IDENTIFIKASI PENYAKIT MONKEYPOX MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN EKSTRAKSI FITUR GLCM

Abstract

Monkeypox merupakan penyakit menular yang dapat dikenali melalui citra kulit penderita. Diperlukan metode diagnosis cepat dan akurat dalam mengidentifikasi penyakit Monkeypox. Penelitian ini bertujuan mengidentifikasi citra Monkeypox menggunakan metode ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) yang kemudian diklasifikasikan dengan algoritma Random Forest. Dataset terdiri dari 770 citra asli, yang kemudian diperluas menjadi 5860 citra melalui augmentasi transformasi geometri. Hasil pengujian menunjukkan bahwa metode ekstraksi fitur GLCM dengan klasifikasi Random Forest mampu mencapai akurasi sebesar 79%, menunjukkan performa cukup baik. Temuan ini menunjukkan potensi metode tersebut sebagai pendekatan komputasi sederhana dalam mendeteksi Monkeypox dan dapat dikembangkan dengan pendekatan kecerdasan buatan lainnya.