Klasifikasi kanker kulit pada citra dermoscopy menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan Kernel Extreme Learning Machine (KELM)

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Utami, Tri Mar'ati Nur (2022) Klasifikasi kanker kulit pada citra dermoscopy menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan Kernel Extreme Learning Machine (KELM). Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Tri Mar'ati Nur Utami_H72218034.pdf

Download (5MB)

Abstract

Kanker kulit merupakan salah satu dari jenis kanker yang menyerang lapisan kulit, penyakit ini disebabkan karena adanya radiasi dari sinar UV, faktor genetik dan toksin tertentu. Sel kanker kulit sendiri jika tidak mendapatka penanganan yang benar dapat berakibat fatal seperti kematian. Oleh karena itu, penelitian ini memeliki tujuan yaitu untuk mengklasifikasikan penyakit kanker kulit menggunakan Gray Level Co-occurrencence Matrix (GLCM) dan Kernel Extreme Learning Machine (KELM) dalam tiga kelas yaitu melanoma, actinic keratosis, dan nevus. Penelitian ini menggunakan data Melanoma sebanyak 144, Actinic Keratosis sebanyak 130, dan Nevus sebanyak 134. Tahapan yang dilakukan pada penelitian ini yaitu input data, kemudaian pre-processing dengan dull razor filtering, lalu data diubah ke bentuk grayscale. Setelah itu ekstraksi fitur dengan 5 fitur yaitu kontras, korelasi, energi, homogenitas, dan entropi. Hasil ekstraksi fitur yang diperoleh memberikan informasi bahwa, seluruh fitur dari kelas nevus beririsan dengan fitur kelas melanoma. Sedangkan pada fitur energi dan entropi nilai ketiga kelas tersebut saling beririsan. Pada tahapan klasifikasi, pembagian data training dan testing menggunakan K-fold cross validation dimana nilai k = 10. Metode yang digunakan pada tahapan klasifikasi yaitu metode menggunakan KELM. Uji coba yang dilakukan ada 3 uji coba, yaitu uji coba sudut GLCM, fungsi kernel, dan koefisien regulasi (c). Kemudian evaluasai model dengan confusion matrix. Hasil uji coba terbaik diperoleh dengan menggunakan GLCM pada sudut 45°, kernel yang digunakan yaitu kernel RBF dan wavelet, serta nilai c = 1. Nilai akurasi, sensitivitas, dan spesifisitas yaitu 95.12%, 95.24%, dan 97.53%.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Utami, Tri Mar'ati Nurtrimaratinurutami12@gmail.comH72218034
Contributors:
ContributionNameEmailNIDN
Thesis advisorNovitasari, Dian Candra Rinidiancrini@uinsby.ac.id2024118502
Thesis advisorHamid, Abdullohdoelhamid@uinsby.ac.id198508282014031003
Subjects: Kesehatan
Kesehatan

Komputer
Matematika
Keywords: Dull Razor Filtering; GLCM; Kanker Kulit; KELM; K-fold Cross Validation.
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Tri Mar'ati Nur Utami
Date Deposited: 06 Feb 2022 10:39
Last Modified: 06 Feb 2022 10:39
URI: http://digilib.uinsby.ac.id/id/eprint/51923

Actions (login required)

View Item View Item