Aplikasi Deteksi Kanker Serviks Menggunakan Edge Detection dan Metode Neural Network
Article Sidebar
Main Article Content
Abstract
Penyakit Kanker Serviks merupakan penyakit yang masuk ke dalam penyakit mematikan. Penderita penyakit ini khususnya di Indonesia meningkat dari tahun 2017-2021. Hal ini disebabkan karena kurangnya informasi mengenai gejala dan mahalnya biaya untuk melakukan deteksi kanker serviks. Penelitian ini bertujuan melakukan deteksi kanker serviks dengan menerapkan bidang Artificial Intellegence guna memudahkan dalam mendeteksi kanker serviks tanpa biaya yang besar. Data yang digunakan adalah data gambar IVA positif dan negative yang berjumlah 159 data dengan 2 class. Metode yang digunakan dalam penelitian ini adalah metode Convolutional neural network dengan ekstraksi citranya yaitu histogram 8 bin, grayscale, deteksi tepi, deteksi pola dan normalisasi. Hasil dari penelitian ini adalah aplikasi berbasis android untuk melakukan klasifikasi dan deteksi kanker serviks dengan akurasi yang tinggi pada model yaitu 86% dengan nilai precision yaitu 87% dan recall 91%.
Article Details
References
Sartika, T. (2020). ANALISIS PELAKSANAAN SKRINING KANKER SERVIKS PADA WANITA USIA SUBUR Tri Sartika Program Studi Kebidanan , STIK Bina Husada Palembang Penyakit kanker merupakan salah satu penyebab kematian utama di seluruh dunia . Pada tahun 2012 , kanker menjadi penyebab. 5, 62–73.
Triana, W. (2017). GAMBARAN KARAKTERISTIK PENDERITA KANKER SERVIKS DI RSUD K.R.M.T KOTA SEMARANG. 8–26.
Sahid. (2019). Deteksi Dini Kanker Serviks, IAD Lakukan Pemeriksaan IVA Test Kepada Ibu-Ibu di Kota Pekalongan. Pemerintah Kota Pekalongan. https://pekalongankota.go.id/berita/deteksi-dini-kanker-serviks-iad-lakukan-pemeriksaan-iva-test-kepada-ibuibu-di-kota-pekalongan.html.
Bestry, D. S., Hidayat, B., & Fauzi, H. (2016). Deteksi Dini Kanker Serviks Metode Iva Berbasis Pengolahan Sinyal Digital Menggunakan Deteksi Tepi Zero Crossin. E-Proceeding of Engineering, 3(3), 4816–4822.
Munir, M. (2018). DETEKSI TEPI PRAKANKER SERVIKS MENGGUNAKAN METODE DETEKSI TEPI CANNY PADA SAMBUNGAN SKUAMOSA KOLUMNAR (SSK) BERBASIS ANDROID. DETEKSI TEPI PRAKANKER SERVIKS MENGGUNAKAN METODE DETEKSI TEPI CANNY PADA SAMBUNGAN SKUAMOSA KOLUMNAR (SSK) BERBASIS ANDROID, 3(2), 4–6.
Jannah, S. R. (2019). ASUHAN KEPERAWATAN PASIEN DENGAN CA.SERVIKS DI RUANG MAWAR RUMAH SAKIT UMUM DAERAH ABDUL WAHAB SJAHRANIE SAMARINDA. ISSN 2502-3632 (Online) ISSN 2356-0304 (Paper) Jurnal Online Internasional & Nasional Vol. 7 No.1, Januari – Juni 2019 Universitas 17 Agustus 1945 Jakarta, 53(9), 1689–1699. www.journal.uta45jakarta.ac.id.
Juanda, D., & Kesuma, H. (2015). Pemeriksaan metode IVA ( Inspeksi Visual Asam Asetat ) untuk pencegahan kanker serviks. In Jurnal Kedokteran dan Kesehatan (Vol. 2, Issue 2). https://ejournal.unsri.ac.id/index.php/jkk/article/view/2549.
Tsani, N. B., & Harliana, H. (2019). Implementasi Deteksi Tepi Canny Dengan Transformasi Powerlaw Dalam Mendeteksi Stadium Kanker Serviks. Jurnal Ilmiah Intech?: Information Technology Journal of UMUS, 1(01), 22–33. https://doi.org/10.46772/intech.v1i01.35.
Ramdhani, Y., & Riana, D. (2018). Hierarchical Decision Approach based on Neural Network and Genetic Algorithm method for single image classification of Pap smear. Proceedings of the 2nd International Conference on Informatics and Computing, ICIC 2017, 2018-Janua, 1–6. https://doi.org/10.1109/IAC.2017.8280587.
Dharma, A., Manalu, P., Stepen, G., Siringoringo, R., Palangai, I. S., & Setiawan, K. (2020). Deteksi Pola Pasien Kanker Serviks dengan Algoritma Extra Trees dan K-Nearest Neighbor. 3(2), 32–36.
Y. Ramdhani, S. Susanti, M. F. Adiwisastra, and S. Topiq, “Penerapan Algoritma Neural Network Untuk Klasifikasi Kardiotokografi,” Informatika, 2018.
Yudi Ramdhani, Rizki Tri Prasetio, and Ryan Hidayat, “Comparation of SVM Algorithm and Neural Network With Feature Optimization Based on Genetic Algorithm in Determining Immunotherapy Success in Cancer Disease,” in Proceedings of the International Conference on Industrial Engineering and Operations Management Monterrey, 2021, pp. 3142–3149.