Deteksi Gambar Penyakit Kulit menggunakan Machine Learning dengan Metode Random Forest dan Support Vector Machine

Nadilla Amanda Martha Afrhissa

Abstrak

Deteksi dini terhadap penyakit kulit sangat penting untuk membantu proses diagnosis dan penanganan medis yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi citra penyakit kulit menggunakan algoritma machine learning. Data yang digunakan terdiri dari tiga kelas penyakit kulit, yaitu Acne and Rosacea, Actinic Keratosis Basal Cell Carcinoma, dan Melanoma Skin Cancer Nevi. Fitur citra diekstraksi menggunakan metode Gray Level Cooccurrence Matrix (GLCM) untuk memperoleh informasi tekstur. Hasil ekstraksi fitur kemudian diklasifikasikan menggunakan dua algoritma, yaitu Random Forest (RF) dan Support Vector Machine (SVM). Evaluasi dilakukan menggunakan beberapa skenario pengujian untuk mengukur performa model, dengan metrik seperti akurasi, precision, recall, F1-score, serta confusion matrix. Dari hasil pengujian, algoritma Random Forest menunjukkan performa yang lebih stabil dengan akurasi mencapai 76%, sedangkan SVM memiliki hasil yang cukup kompetitif namun lebih tidak stabil. Confusion matrix juga menunjukkan bahwa RF mampu mengklasifikasikan data dengan lebih merata di tiap kelas. Kesimpulan dari penelitian ini adalah bahwa metode GLCM efektif digunakan untuk ekstraksi fitur tekstur pada citra kulit, dan algoritma Random Forest menjadi pilihan yang lebih baik dibandingkan SVM. Penelitian ini diharapkan dapat menjadi dasar bagi pengembangan sistem deteksi otomatis berbasis citra untuk membantu diagnosis awal penyakit kulit.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.18.1 · 8c68a2b