Analisis Kinerja Ekstraksi Fitur Speeded Up Robust Features (SURF) dan Histogram of Oriented Gradients (HOG) pada Deteksi Acne Vulgaris

Abstract

Jerawat atau acne vulgaris merupakan gangguan inflamasi kronis pada kulit yang banyak terjadi pada remaja dan dewasa muda. Pada praktik klinis, papula dan pustula merupakan lesi inflamasi yang penting untuk diidentifikasi karena keduanya memiliki karakteristik visual yang mirip, tetapi implikasi terapi yang berbeda. Kesalahan identifikasi dapat menyebabkan keterlambatan penanganan, inflamasi berkelanjutan, dan risiko jaringan parut. Penelitian ini menganalisis penggunaan kombinasi Speeded Up Robust Features (SURF) dan Histogram of Oriented Gradients (HOG) untuk deteksi acne vulgaris berbasis pemrosesan citra. Dataset yang digunakan terdiri atas 1.500 citra, yaitu 500 papula, 500 pustula, dan 500 kulit normal, dengan pembagian 80% data latih dan 20% data uji. Tahapan sistem meliputi konversi citra RGB ke grayscale, interpolasi citra, penentuan region of interest berbasis keypoint SURF, ekstraksi tekstur HOG, penggabungan fitur, dan klasifikasi menggunakan Support Vector Machine (SVM). Parameter yang divariasikan meliputi jenis interpolasi, ukuran cell HOG, dan jenis kernel SVM. Hasil terbaik diperoleh pada interpolasi Lanczos3, cellsize 8×8, dan kernel SVM linear dengan akurasi latih 94,75% dan akurasi uji 93,33%. Nilai rata-rata similarity fitur SURF dan HOG masing-masing sebesar 0,8858 dan 0,9057. Hasil ini menunjukkan bahwa kombinasi fitur lokal SURF dan fitur tekstur HOG mampu membentuk representasi citra yang stabil dan akurat untuk klasifikasi papula, pustula, dan kulit normal.