PROFIL RINGKASAN LITABMAS : PENGENALAN POLA TEKSTUR CITRA JERAWAT MENGGUNAKAN ALGORITMA METODE KNN (K-NEAREST NEIGHBOR)

Penelitian ini adalah penelitian lanjutan dari penelitian sebelumnya yang berjudul�Identifikasi Penyakit Jerawat Berdasarkan Tekstur Menggunakan Algoritma BP (Backpropagation) dan GLCM (Grey Level Co-occurrance Matrix) � pada tahun 2020. Hasil yang diberikan pada penelitian sebelumnya, mendapatkan tingkat akurasi kurang dari 50% yaitu sebesar 36,66% dalam melakukan identifikasi penyakit jerawat. pada tahun 2021 peneliti akan melakukan penelitian �Pengenalan Pola Tekstur Citra Jerawat menggunakan Algoritma Metode KNN (K-Nearest Neighbor)� . pada penelitian ini berharap untuk mendapatkan nilai akurasi diatas 50% dalam melakukan pengenalan pola tekstur citra jerawat. Algoritma KNearest Neighbor (KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek yang berdasarkan dari data pembelajaran yang jaraknya paling dekat dengan objek tersebut. KNN merupakan algoritma supervised learning dimana hasil dari query instance yang baru diklasifikan berdasarkan mayoritas dari kategori pada algoritma KNN. Dimana kelas yang paling banyak muncul yang nantinya akan menjadi kelas hasil dari klasifikasi. dengan melakukan pengenalan tekstur citra jerawat dapat membantu user / pengguna mengenali jenis jerawat yang diderita dan dapat mengobati penyakit jerawat dengan benar. Target luaran dari penelitian ini berupa publikasi pada jurnal nasional terakreditasi atau prosiding nasional.

1.  UEU-Article-21482-5_0781.pdf - 576 KB