TY - JOUR AU - Ulla Delfana Rosiani AU - Kadek Suarjuna Batubulan AU - Malia Elisiana PY - 2021/02/23 Y2 - 2024/03/29 TI - Identifikasi "Acne Vulgaris" Berdasarkan Fitur Warna Dan Tekstur Menggunakan Klasifikasi JST Backpropagation JF - Jurnal Informatika Polinema JA - JIP VL - 7 IS - 2 SE - Articles DO - 10.33795/jip.v7i2.463 UR - http://jip.polinema.ac.id/ojs3/index.php/jip/article/view/463 AB - Acne Vulgaris adalah salah satu penyakit kulit kronis umum yang berkaitan dengan penyumbatan dan atau peradangan pada folikel rambut dan kelenjar minyak yang menyertainya. Acne vulgaris dibagi menjadi beberapa macam jenis, diantaranya ada whitehead, blackhead, papule, dan pustule. Beberapa jenis acne vulgaris memiliki warna dan tekstur yang berbeda. Hasil dari ekstraksi warna dan tekstur dapat dilakukan klasifikasi terhadap jenis acne vulgaris. Dengan berkembangnya teknologi bidang informatics engineering proses identifikasi jenis acne vulgaris dapat dilakukan menggunakan pengolahan citra digital. Hasil dari ekstraksi fitur warna dan fitur tekstur kemudian dianalisis dan diklasifikasikan sehingga dapat diketahui jenis acne vulgaris pada citra tersebut. HSV merupakan salah satu ruang warna yang memperlihatkan warna seperti yang dilihat oleh manusia pada umumnya. GLCM merupakan metode yang mampu menyediakan informasi penting dan melakukan analisis mengenai tekstur citra. Empat ciri statistik GLCM yaitu contrast, correlations, homogenity, dan energy dengan sudut 0°, 45°, 90°, dan 135° akan memberikan nilai untuk membedakan tekstur acne vulgaris pada setiap jenisnya. Backpropagation digunakan karena metode tersebut mampu menyelesaikan pengklasifikasian dengan problem nonlinear. Terdapat tiga tahap backpropagation dalam pengolahan data yaitu tahap feedfordward, backpropagation, dan penyesuaian bobot, sedangkan untuk klasifikasi hanya menggunakan tahap feedfordward. Dari hasil penelitian mengidentifikasi acne vulgaris menggunakan ruang warna HSV, metode GLCM dan klasifikasi JST Backpropagation dapat menghasilkan nilai akurasi sebesar 65%. Akurasi tersebut didapatkan dari parameter learning rate 0.0002 dan epoch sebanyak 200. ER -