{
      "status_changed": "2026-04-18 02:19:31",
      "divisions": [
        "sch_ecs"
      ],
      "contributors": [
        {
          "name": {
            "honourific": null,
            "given": "Arie",
            "lineage": null,
            "family": "Qur'ania"
          },
          "type": "http:\/\/www.loc.gov\/loc.terms\/relators\/THS"
        },
        {
          "name": {
            "honourific": null,
            "given": "Dinar",
            "lineage": null,
            "family": "Munggaran"
          },
          "type": "http:\/\/www.loc.gov\/loc.terms\/relators\/THS"
        }
      ],
      "date": "2025-07-25",
      "thesis_name": "Sarjana",
      "institution": "Universitas Pakuan",
      "uri": "http:\/\/eprints.unpak.ac.id\/id\/eprint\/10436",
      "abstract": "KLASIFIKASI PENYAKIT KANKER KULIT MENGGUNAKAN ALGORITMA GRAY\r\nLEVEL CO-OCCURRENCE MATRIX & RANDOM FOREST\r\nMuhammad Farchan Ramdhani, Arie Qur’ania, Dinar Munggaran\r\nemail : muhammadfarchanr@gmail.com, qurania@unpak.ac.id,\r\nProgram Studi Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Pakuan\r\nAbstrak\r\nKanker kulit merupakan salah satu jenis penyakit kanker dengan frekuensi kemunculan yang\r\nterus meningkat. Penyakit ini sangat berbahaya dan dapat berakibat fatal apabila tidak\r\ndilakukan deteksi dini serta tindakan pencegahan awal untuk meningkatkan efektivitas\r\npenanganan medis. Salah satu tantangan utama dalam diagnosis kanker kulit adalah\r\nkesulitan dalam membedakan kanker kulit ganas (malignant) dan kanker kulit jinak (benignt).\r\nPenelitian ini bertujuan untuk menguji efektivitas metode pengolahan citra dan klasifikasi\r\nberbasis data mining dalam membantu proses identifikasi jenis penyakit kanker kulit. Proses\r\npenelitian dilakukan melalui beberapa tahap yaitu, akuisisi data, preprocessing, ekstraksi\r\nfitur tekstur dengan metode Gray Level Co-occurence Matrix (GLCM), serta pengujian\r\nkemampuan dua algoritma klasifikasi, yaitu Random Forest dan Support Vector Machine\r\n(SVM). Evaluasi dilakukan menggunakan metode confusion matrix dan nilai akurasi dari\r\nmasing-masing model. Pengujian yang dilakukan menghasilkan temuan bahwa algoritma\r\nRandom Forest dengan parameter jumlah pohon keputusan sebanyak 79 pohon serta\r\nkedalaman cabang pohon sebanyak 7 memiliki akurasi optimal sebesar 84,24%, sedikit lebih\r\nunggul dibandingkan dengan algoritma SVM dengan kernel linear yang memperoleh hasil\r\nakurasi optimal sebesar 83,0%. Temuan ini menunjukkan bahwa penerapan GLCM yang\r\ndikombinasikan dengan Random Forest dapat menjadi salah satu alternatif yang efektif\r\ndalam meningkatkan akurasi klasifikasi citra penyakit kanker kulit.\r\nKata Kunci : Kanker Kulit, Klasifikasi, Random Forest, GLCM, SVM\r\nAbstract",
      "dir": "disk0\/00\/01\/04\/36",
      "ispublished": "pub",
      "metadata_visibility": "show",
      "eprint_status": "archive",
      "department": "Fakultas Matematika dan Pengetahuan Alam",
      "eprintid": 10436,
      "lastmod": "2026-04-18 02:19:31",
      "userid": 46,
      "date_type": "published",
      "datestamp": "2026-04-18 02:19:31",
      "type": "thesis",
      "corp_creators": [
        "Universitas Pakuan",
        "Fakultas Matematika dan Ilmu Pnegetahuan Alam",
        "Program Studi Ilmu Komputer"
      ],
      "title": "KLASIFIKASI PENYAKIT KANKER KULIT MENGGUNAKAN ALGORITMA GRAY\r\nLEVEL CO-OCCURRENCE MATRIX & RANDOM FOREST",
      "thesis_type": "Skripsi",
      "creators": [
        {
          "name": {
            "honourific": null,
            "given": "Muhammad Farchan",
            "lineage": null,
            "family": "Ramdhani"
          },
          "NPM": 65119166
        }
      ],
      "subjects": [
        "QK"
      ],
      "rev_number": 6,
      "full_text_status": "none"
    }