Implementasi Metode Run Length Dan metode Jaringan Saraf Tiruan Hopfield Untuk Klasifikasi Penyakit Kulit Manusia Berdasarkan Tekstur Kulit

Pengenalan tekstur merupakan salah satu teknik yang dapat dilakukan dalam melakukan proses pengolahan citra. Selain pengenalan tekstur dalam proses pengolahan citra dibutuhkan juga proses klasifikasi agar hasil yang didapat lebih optimal. Pengenalan tekstur dapat digunakan untuk melakukan pengenalan penyakit kulit, karena pada dasarnya penyakit kulit dapat dikenali dari beberapa aspek diantaranya adalah berdasarkan pola dan teksturnya Metode untuk memperoleh ciri-ciri citra tekstur adalah dengan menghitung matriks run length dari data citra, ciri-ciri yang digunakan untuk klasifikasi citra pada penelitian ini menggunakan Short Run Emphasis(SRE), Long Run Emphasis(RLE), Grey Level Uniformity(GLU), Run Length Uniformity(GLU) dan Run Percenttage(RPC). Hasil ciri-ciri tersebut kemudian digunakan untuk klasifikasi dengan menggunakan jaringan saraf tiruan hopfield yang menentukan hasil klasifikasi berdasarkan tekstur. Dari hasil penelitian yang berdasarkan dari pengujian dengan metode K-Fold dan metode black box dapat diketahui bahwa citra yang diujikan memiliki nilai matriks run length yang bervariasi satu dengan yang lain. Pengujian klasifikasi citra berdasarkan tekstur dengan menggunakan metode K-Fold memiliki rata-rata tingkat akurasi terkecil adalah 84% dan yang tertinggi adalah 96% untuk nilai K=4 dengan ukuran citra 32x32. Sedangkan hasil dari pengujian menggunakan metode black box memiliki hasil bahwa semua fungsionalitas pada simulator telah berjalan dengan baik.

Kata Kunci : Hopfield, Jaringan Saraf Tiruan, Klasifikasi, Run Length, Tekstur

Texture recognition is one of method that can be used for image processing proces. In imeage processing proces classification method is also needed to optimize the result of image processing. Texture recognition can be used to recognize skin disease, because basically skin disease can be recognize based on it�s pattern and texture. Method to obtain the characteristics of the texture image is to calculate run length matrix of image data , the characteristics of which are used for image classification in this study using Short Run Emphasis(SRE), Long Run Emphasis(RLE), Grey Level Uniformity(GLU), Run Length Uniformity(GLU) dan Run Percenttage(RPC). The results of these characteristics are then used for classification by using Hopfield neural network that determines the classification results based texture. The result from this study which is based from K-Fold method and Black Box method as testing method are every image that being tested have varied value of run length matrix between one another. Tests based texture image classification using K-Fold method have accuration for the smallest are 84% and the biggest are 96% accuracy for K=4 on size of image are 32x32. While using Black Box methods the result are all the function are work normally.