KLASIFIKASI MONKEYPOX MENGGUNAKAN EKSTRAKSI FITUR LBP

Abstract

Monkeypox merupakan penyakit yang secara klinis sangap mirip dengan cacar air dan campak oleh karena itu orang-orang sulit membedakan monkeypox dan non-monkeypox. Metode ekstraksi fitur teksur yang efektif adalah Local Binary Pattern (LBP). Public dataset monkeypox yang digunakan dalam penelitian ini gambarnya berjumlah 3.192 dan berukuran 224x224 pixels. LBP menghasilkan Output feature vector dengan ukuran 1 x 59 sebagai input untuk metode random forest dengan nilai n_estimator yaitu 100, 500 dan 1000. Hasil pengujian citra monkeypox dibagi menjadi 3 tahap pengujian yaitu dengan proporsi dataset 60:40, 70:30, dan 80:20.  Pada pengujian dengan proporsi 60:40 mendapatkan hasil terbaik pada dengan n_estimator 100 mendapatkan accuracy 83% .  Pengujian dengan proporsi 70:30 mendapatkan accuracy 83% pada setiap n_estimator dan proporsi dataset 80:20 mendapatkan n_estimator terbaik yaitu 500 karna mandapatkan accuracy tertinggi dari ketiga pengujian dengan nilai 85%. Oleh karena itu dapat dilakukan klasifikasi Monkeypox dengan menggunakan fitur ekstraksi LBP dan Random Forest.