Salsabila Aurellia (2020) Identifikasi Kanker Serviks Dari Citra Papsmear Menggunakan Metode Convolutional Neural Network (Cnn). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN DEPAN) COVER.pdf Download (428kB)
	Text (ABSTRAK) ABSTRAK.pdf Download (65kB)
	Text (DAFTAR ISI) DAFTAR ISI.pdf Download (74kB)
	Text (BAB 1) BAB I.pdf Download (75kB)
	Text (BAB 2) BAB II.pdf Restricted to Registered users only until 8 August 2023. Download (565kB) | Request a copy
	Text (BAB 3) BAB III.pdf Restricted to Registered users only until 8 August 2023. Download (253kB) | Request a copy
	Text (BAB 4) BAB IV.pdf Restricted to Registered users only until 8 August 2023. Download (253kB) | Request a copy
	Text (BAB 5) BAB V.pdf Restricted to Registered users only until 8 August 2023. Download (62kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (93kB)
	Text (LAMPIRAN) LAMPIRAN.pdf Restricted to Registered users only until 8 August 2023. Download (375kB) | Request a copy

Abstract

Kanker merupakan salah satu penyakit yang menghasilkan angka kematian yang tinggi di dunia. Salah satunya ialah kanker serviks yang pada tahun 2018 terdapat sebanyak 6,6% dari 570.000 kasus kanker. Kanker serviks sendiri merupakan kanker yang disebabkan oleh virus Human Papilloma Virus (HPV) dimana virus ini menyebabkan perubahan pada DNA sel. Hal ini yang menyebabkan pertumbuhan sel terjadi terus menerus sehingga perlu diadakannya pendeteksian dini. Salah satu pendeteksian dini yang sangat konvensional ialah papsmear. Namun pemeriksaan papsmear memiliki kelemahan yaitu pemeriksaan ini membutuhkan waktu yang lama untuk mengeluarkan hasil diagnosisnya dikarenakan pengamatannya masih secara visual dan subjektif oleh dokter yang memeriksa. Pada penelitian ini telah dibangun suatu kecerdasan buatan dalam mengidentifikasi kanker serviks dengan metode deep learning yaitu Convolutional Neural Network (CNN). Sebelum dilakukannya identifikasi, citra akan dilakukan pre-processing seperti cropping dan resize. Arsitektur CNN yang digunakan pada penelitian ini ialah VGG31. Dapat disimpulkan bahwa identifikasi kanker serviks menggunakan arsitektur VGG31 cukup baik dengan hasil akurasi sebesar 99,6%, sensitivitas sebesar 99,6% dan spesifisitas ssebesar 99,8%.

Actions (login required)

View Item