Wilantikasari, Yuwilda (2019) Klasifikasi Penyakit Kulit Kucing Menggunakan Metode Support Vector Machine. Sarjana thesis, Universitas Brawijaya.
Abstract
Kucing merupakan salah satu hewan peliharaan terpopuler di dunia. Akan tetapi, kesehatan merupakan hal yang perlu diperhatikan dalam pemeliharaanya, karena di Indonesia memiliki kelembapan udara yang tinggi, sehingga parasit dan jamur dapat berkembang biak dan menyebar sehingga dapat menyebabkan penyakit kulit. Keterbatasan pengetahuan pemilik kucing tentang penyakit kulit kucing dan beberapa gejala yang memiliki kemiripan berbagai macam jenis penyakit kulit kucing yang sulit untuk diidentifikasi. Dengan adanya permasalahan tersebut, maka dibuatlah sistem cerdas yang mampu mengklasifikasikan penyakit kulit kucing berdasarkan gejalanya. Sistem cerdas ini juga bertujuan untuk membantu tim medis khususnya bidang kedokteran hewan dalam memberikan diagnosis penyakit kulit kucing. Metode Support Vector Machine diterapkan dengan menggunakan dataset yang masih terbatas yakni sebesar 240 dengan jumlah parameter sebanyak 14. Pada penelitian ini menggunakan lima kelas yaitu kelas scabies, cat flea, abses, dermatitis, dan jamur. Kinerja SVM ini memberikan akurasi sebesar rata – rata 98.745% menggunakan nilai parameter pada sequential training SVM dengan nilai = 0.00001 y = 0.01 C = 10 = 0.01 iterasi = 100 dan rasio data 90%:10%.
English Abstract
Cats are one of the most popular pets in the world. However, health is a matter of concern in the nurturing of cats, Indonesia has high humidity of air, hence parasites and fungi can multiply and spread which could cause skin diseases. Limited knowledge of cat owners about cat skin disease and some symptoms that have similarities to various types of cat skin disease are difficult to identify. With these problems, an intelligent system that can classify cat skin diseases based on symptoms is created. This intelligent system also aims to help medical teams especially in the field of veterinary medicine in providing a diagnosis of cat skin diseases. Support Vector Machine method can be applied to dental and oral disease classification problems using a limited dataset of 240 with 14 parameter. This study uses five classes of class scabies, cat flea, abscesses, dermatitis, and fungi. SVM performances provides the best result with an accuracy of 98.745% with parameter value on sequential training SVM, value nilai = 0.00001 y = 0.01 C = 10 = 0.01 iteration= 100 and the ratio of data 90% : 10%.
Other obstract
-
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FILKOM/2018/178/051902348 |
Uncontrolled Keywords: | Klasifikasi, Support Vector Machine, Penyakit Kulit Kucing, Kernel RBF, One Against All, Support Vector Machine, Cat Skin Disease, Kernel RBF, One Against All |
Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Nur Cholis |
Date Deposited: | 01 Aug 2020 04:50 |
Last Modified: | 28 Oct 2021 03:39 |
URI: | http://repository.ub.ac.id/id/eprint/169113 |
Preview |
Text
YUWILDA WILANTIKASARI(SKRIPSI) (2).pdf Download (5MB) | Preview |
Actions (login required)
![]() |
View Item |