Penerapan Learning Vector Quantization Dalam Pengolahan Citra Digital Untuk Deteksi Penyakit Kulit

Abstrak

Kulit, sebagai organ terbesar manusia, meliputi lebih dari dua meter persegi dan menyumbang sekitar 15% massa tubuh. Terdiri dari tiga lapisan utama epidermis, dermis, dan jaringan subkutan kulit berfungsi sebagai pelindung fisik dan penghalang terhadap infeksi, cedera, serta radiasi UV. Penyakit kulit seperti cacar air, cacar monyet, campak, dan herpes menjadi tantangan medis yang memerlukan diagnosis cepat dan akurat. Penelitian ini menggunakan 520 citra digital (130 per kategori) dari Mendeley Data dan sumber daring. Algoritma Learning Vector Quantization (LVQ) diterapkan untuk klasifikasi citra berdasarkan fitur yang diekstraksi. Hasil menunjukkan akurasi keseluruhan sebesar 90,74%, dengan akurasi masing-masing: 97% (cacar air), 98% (cacar monyet), 91% (campak), dan 100% (herpes). Evaluasi menggunakan confusion matrix menghasilkan nilai accuracy, precision, recall, dan F1-score sebesar 0,91, menunjukkan performa model yang kuat. Temuan ini menunjukkan potensi LVQ sebagai alat bantu diagnosis penyakit kulit berbasis citra digital.

Identifier

• DOI: https://doi.org/10.37859/coscitech.v6i2.9270
• OpenAlex: https://openalex.org/W7117453943