Perpustakaan
DESKRIPSI DATA LENGKAP
JudulIMPLEMENTASI METODE HSV, DAN ALGORITMA K-NEAREST NEIGHBORS (KNN) TERHADAP DETEKSI KANKER MELANOMA
Nama: NURLAELAH
Tahun: 2022
Abstrak
Deteksi permasalahan tahi lalat ini bertujuan untuk mengenali permasalahan atau penyakit tahi lalat secara dini. Adapun penyakit yang dapat dideteksi yaitu melanoma maligma dan nevus melanositi. Sistem deteksi ini memanfaatkan ciri warna dari citra digital tahi lalat. Ciri warna akan membedakan setiap permasalahan tahi lalat berdasarkan tingkat keparahannya. Metode yang digunakan adalah Hue Saturation Value (HSV), dengan metode klasifikasi K-Nearest Neighbors (KNN). Data citra tahi lalat yang digunakan sebanyak 150 citra digital tahi lalat yang dibagi menjadi 60?ta latih dan 40?ta uji. Penelitian ini menghasilkan akurasi sebesar 98,51?n error rate 1,49?tection of mole problems aims to recognize mole problems or diseases early. The diseases that can be detected are maligma melanoma and melanositi nevus. This detection system utilizes the color characteristics of the digital image of the mole. Color characteristics will distinguish each mole problem based on its severity. The method used is Hue Saturation Value (HSV), with the classification method K-Nearest Neighbors (KNN). The mole image data used was as many as 150 digital images of moles divided into 60% training data and 40% test data. This study resulted in an accuracy of 98.51% and an error rate of 1.49%.

Sign In to Perpus

Don't have an account? Sign Up