IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI CITRA MEDIS PADA KASUS PENYAKIT FLU SINGAPURA (HFMD)
Abstract
Flu Singapura atau Hand, Foot, and Mouth Disease (HFMD) merupakan penyakit akibat infeksi virus yang menimbulkan lesi pada kulit di area tangan, kaki, dan mulut. Deteksi dini diperlukan untuk mencegah penyebaran dan mempercepat penanganan. Penelitian ini menerapkan algoritma Random Forest untuk mengklasifikasikan citra lesi HFMD guna meningkatkan akurasi deteksi penyakit. Dataset diperoleh dari platform Kaggle, kemudian melalui tahap preprocessing, ekstraksi fitur dengan Gray Level Co-occurrence Matrix (GLCM), dan klasifikasi menggunakan Random Forest. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Hasil menunjukkan akurasi sebesar 72,00%, dengan precision 75,56%, recall 77,27%, dan F1-score 76,40%. Berdasarkan hasil tersebut, algoritma Random Forest dinilai efektif dalam klasifikasi citra lesi HFMD dan dapat dikembangkan lebih lanjut untuk sistem deteksi dini berbasis kecerdasan buatan.
Kata kunci: HFMD, Flu Singapura, Random Forest, GLCM, klasifikasi citra medis.