Repository Universitas PakuanKLASIFIKASI PENYAKIT KANKER KULIT MENGGUNAKAN ALGORITMA GRAY LEVEL CO-OCCURRENCE MATRIX & RANDOM FORESTMuhammad FarchanRamdhaniauthorKLASIFIKASI PENYAKIT KANKER KULIT MENGGUNAKAN ALGORITMA GRAY LEVEL CO-OCCURRENCE MATRIX & RANDOM FOREST Muhammad Farchan Ramdhani, Arie Qur’ania, Dinar Munggaran email : muhammadfarchanr@gmail.com, qurania@unpak.ac.id, Program Studi Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Pakuan Abstrak Kanker kulit merupakan salah satu jenis penyakit kanker dengan frekuensi kemunculan yang terus meningkat. Penyakit ini sangat berbahaya dan dapat berakibat fatal apabila tidak dilakukan deteksi dini serta tindakan pencegahan awal untuk meningkatkan efektivitas penanganan medis. Salah satu tantangan utama dalam diagnosis kanker kulit adalah kesulitan dalam membedakan kanker kulit ganas (malignant) dan kanker kulit jinak (benignt). Penelitian ini bertujuan untuk menguji efektivitas metode pengolahan citra dan klasifikasi berbasis data mining dalam membantu proses identifikasi jenis penyakit kanker kulit. Proses penelitian dilakukan melalui beberapa tahap yaitu, akuisisi data, preprocessing, ekstraksi fitur tekstur dengan metode Gray Level Co-occurence Matrix (GLCM), serta pengujian kemampuan dua algoritma klasifikasi, yaitu Random Forest dan Support Vector Machine (SVM). Evaluasi dilakukan menggunakan metode confusion matrix dan nilai akurasi dari masing-masing model. Pengujian yang dilakukan menghasilkan temuan bahwa algoritma Random Forest dengan parameter jumlah pohon keputusan sebanyak 79 pohon serta kedalaman cabang pohon sebanyak 7 memiliki akurasi optimal sebesar 84,24%, sedikit lebih unggul dibandingkan dengan algoritma SVM dengan kernel linear yang memperoleh hasil akurasi optimal sebesar 83,0%. Temuan ini menunjukkan bahwa penerapan GLCM yang dikombinasikan dengan Random Forest dapat menjadi salah satu alternatif yang efektif dalam meningkatkan akurasi klasifikasi citra penyakit kanker kulit. Kata Kunci : Kanker Kulit, Klasifikasi, Random Forest, GLCM, SVM AbstractIlmu Komputer2025-07-25Universitas Pakuan;Fakultas Matematika dan Pengetahuan AlamThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant Repository Universitas Pakuan the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that Repository Universitas Pakuan does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at Repository Universitas Pakuan) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.