Pemanfaatan Ciri Gray Level Co-occurrence Matrix (GLCM) Untuk Deteksi Melasma Pada Citra Wajah

Kulit adalah organ tubuh terluar manusia dengan sensitifitas tertinggi dari lingkungan luar yang dapat menimbulkan penyakit kulit. Penyakit kulit pada negara beriklim tropis seperti Indonesia adalah melasma. Melasma diakibatkan penggunaan kosmetik berlebihan yang bersentuhan dengan sinar ultraviolet. Jika dibiarkan dapat merusak sel kulit, merusak DNA dan berisiko timbulnya kanker kulit. Pemeriksaan on site dilakukan dokter kulit mengandalkan pemeriksaan visual dan anamnesis, yang tidak menutup kemungkinan menimbulkan analisis dan diagnosis yang kurang akurat. Sehingga penderita memilih melakukan selfcare. Namun, selfcare dapat menyebabkan melasma semakin parah apabila salah mengidentifikasi. Oleh karena itu, dibutuhkan sistem deteksi untuk membantu mengidentifikasi melasma secara otomatis. Menggunakan data sejumlah 20 citra wajah terbagi 16 citra latih dan 4 citra uji. Citra wajah diolah melalui pemotongan citra secara non-overlapping sliding window untuk mendapatkan citra window, lalu dikonversi ke citra grayscale. Menggunakan metode Gray Level Co-occurrence Matrix (GLCM) sebagai ekstraksi tekstur dengan arah sudut kombinasi 0°, 45°, 90°, 135° dan nilai jarak ketetanggaan d=1,2,3. Kemudian mencari nilai fitur GLCM yakni kontras, homogenitas, energi dan entropi. Berdasarkan nilai dari fitur GLCM yang didapatkan selanjutnya dilakukan tahap klasifikasi menggunakan metode K-Nearest Neighbour (KNN) dengan nilai K=5. Penelitian ini berhasil pada pengujian citra window, persentase terbaik 98% dengan ukuran window 200x200 piksel melalui arah sudut kombinasi 0°+45°+90° dan jarak ketetanggaan d=2