Klasifikasi Jenis Jerawat Wajah Menggunakan SVM dengan Ekstraksi Fitur Gray Level Co-occurrence Matrix dan Local Binary Pattern

Abstract

Acne vulgaris atau jerawat adalah gangguan kulit kronis yang umum terjadi akibat penyumbatan atau peradangan pada kelenjar minyak dan folikel rambut, ditandai dengan munculnya komedo, papula, pustula, nodul, dan kista. Berdasarkan data epidemiologi, lebih dari 80-90% remaja mengalami jerawat sejak masa remaja dan seringkali berlanjut hingga dewasa. Jerawat di wajah dapat mengurangi kepercayaan diri jika tidak ditangani dengan tepat. Penerapan teknologi informasi dalam mendeteksi jenis jerawat wajah berperan penting dalam membantu memberikan informasi untuk mendeteksi jenis jerawat secara dini. Teknik ekstraksi fitur yang digunakan adalah LBP, yang membandingkan nilai piksel keabuan (grayscale) dengan piksel di sekitarnya. Ekstraksi fitur GLCM mampu merepresentasikan karakteristik tekstur citra dengan menghitung probabilitas hubungan antara dua piksel yang berdekatan berdasarkan jarak dan sudut tertentu. Pada proses klasifikasi, metode SVM bekerja dengan mencari hyperplane optimal, menggunakan sebagian data training untuk prediksi, sehingga memberikan hasil optimal pada data testing. Beberapa skenario percobaan dilakukan untuk membandingkan performa klasifikasi, yaitu rasio 70:30, 80:20, dan 90:10 dengan tujuan menemukan perbandingan terbaik agar model dapat bekerja dengan optimal. Hasilnya menunjukkan bahwa akurasi terbaik diperoleh pada rasio data 80:20 menggunakan ekstraksi fitur GLCM, dengan nilai sebesar 85,18%.