IMPLEMENTASI ALGORITMA DETEKSI TEPI CANNY DAN SOBEL PADA CITRA TUMOR KULIT MENGGUNAKAN BOX COUNTING

ABSTRAK Penelitian ini berfokus pada penerapan algoritma canny dan sobel untuk preprocessing dalam pemrosesan citra digital, khususnya dalam konteks deteksi dan klasifikasi tumor kulit. Preprocessing gambar merupakan langkah fundamental dalam pemrosesan citra digital yang mempengaruhi kualitas dan efektivitas pengolahan citra berikutnya. Teknik ini esensial dalam meningkatkan akurasi prediksi model pembelajaran mesin. Dalam penelitian ini, algoritma canny dan sobel digunakan untuk meningkatkan kualitas citra dengan mengurangi noise dan memperjelas deteksi tepi, yang merupakan aspek penting dalam analisis citra medis. Tumor kulit, sebagai permasalahan kesehatan global yang terus meningkat, memerlukan teknik deteksi yang akurat untuk pengenalan dini. Melalui penggabungan algoritma preprocessing dan teknik klasifikasi Random Forest Classifier yang ditingkatkan dengan metode Box Counting untuk analisis tekstur, penelitian ini bertujuan untuk mengembangkan sistem prediksi yang lebih efektif dan efisien. Hasil eksperimen menunjukkan bahwa kombinasi algoritma canny dan sobel dalam preprocessing citra, bersama dengan penggunaan Box Counting sebagai fitur input, signifikan meningkatkan akurasi model pembelajaran mesin, mencapai angka akurasi tertinggi sebesar 0,85. Ini menandakan bahwa sistem yang dikembangkan mampu mengklasifikasikan tumor kulit dengan cukup akurat antara kelas benign dan malignant. Penemuan ini memperkuat peran penting algoritma deteksi tepi dalam preprocessing citra tumor kulit dan menunjukkan potensi Box Counting sebagai fitur input alternatif dalam pemrosesan citra digital. Penelitian ini menyediakan wawasan berharga dalam pengembangan alat diagnostik yang lebih efisien untuk deteksi dini tumor kulit, dengan harapan dapat berkontribusi pada peningkatan outcome klinis bagi pasien.

Kata kunci—Pemrosesan citra, klasifikasi citra, sobel, canny, box counting.