KLASIFIKASI MONKEYPOX DAN NON-MONKEYPOX MENGGUNAKAN FITUR EKSTRAKSI GLCM DAN ALGORITMA RANDOM FOREST

Wijaya, William (2023) KLASIFIKASI MONKEYPOX DAN NON-MONKEYPOX MENGGUNAKAN FITUR EKSTRAKSI GLCM DAN ALGORITMA RANDOM FOREST. Diploma thesis, Universitas Multi Data Palembang.

Text William Wijaya 1822250013.pdf Download (1MB)

Abstract

Monkeypox (cacar monyet) adalah penyakit yang pertama kali ditemukan pada tahun 1958 di Denmark ketika ada dua kasus seperti cacar pada koloni kera yang dipelihara untuk penelitian, sehingga cacar ini dinamakan ‘Monkeypox’. Penularan Monkeypox pada manusia terjadi melalui kontak langsung dengan orang ataupun hewan yang terinfeksi, selain itu bisa juga melalui benda yang terkontaminasi oleh virus tersebut. GLCM adalah suatu matriks yang merepresentasikan frekuensi munculnya pasangan dua piksel dengan intensitas keabuan, jarak dan sudut dan Random Forest adalah salah satu metode klasifikasi yang merupakan kombinasi dari setiap pohon yang baik kemudian dikombinasikan ke dalam satu model. Penelitian ini menggunakan public dataset monkeypox dan non-monkeypox dan memiliki gambar berjumlah 3.192 dibagi menjadi data uji dan data latih dengan rasio 60:40, 70:30, 80:20, dan 90:10 dan setiap gambar di-resize menjadi 224 x 224 pixel. Hasil dari fitur tekstur GLCM dilakukan pengujian dengan metode Random Forest menggunakan parameter n_estimator = 100, 500, dan 1000. Dari empat pengujian yang sudah dilakukan, disimpulkan bahwa n_estimator terbaik adalah 100 dengan proporsi rasio dataset 90:10, yang menghasilkan nilai accuracy sebesar 77%, nilai rata-rata precision 77%, nilai rata-rata recall 77%, dan nilai rata-rata f1-score 76,5%.

Actions (login required)

View Item