Samudra, Gilang (2018) Metode Klasifikasi Kanker Serviks Berdasarkan Citra PAP-SMEAR Menggunakan Multi Feature Fusion Deep Belief Network dan Tinjauannya Menurut Agama Islam. Diploma thesis, Universitas YARSI.

Abstract

Deteksi dini kanker serviks memainkan aturan penting untuk mencegah metastasis kanker. Salah satu pendekatan umum untuk deteksi dini kanker serviks adalah analisis citra pap-smear. Namun demikian analisis gambar pap smear manual memiliki beberapa kelemahan seperti memberikan hasil yang tidak konsisten, membutuhkan waktu lama dan rentan terhadap kesalahan terjadi. Oleh karena itu klasifikasi citra sel pap-smear otomatis diperlukan untuk membantu ahli patologi memilih perawatan yang tepat untuk pasien. Dalam penelitian ini, penulis mengusulkan multi fitur fussion antara Local Binary Pattern (LBP), Gray Level Co-Occurence Matrix (GLCM) dan Fitur Bentuk menggunakan Deep Belief Network (DBN) untuk klasifikasi citra sel pap-smear. Tujuan dari penelitian ini adalah untuk mengukur keakuratan klasifikasi dua kelas pap-smear cell image dengan metode yang diusulkan. Hasilnya menunjukkan bahwa metode yang diusulkan mencapai rata- rata akurasi pelatiahan sebesar 94,61 %, akurasi validasi sebesar 93,86 %, akurasi Pengujian sebesar 95,22 % dan mencapai akurasi terbaik sebesar 99,3% dan sedikit melebihi beberapa metode yang sudah ada, Metode klasifikasi Deep Belief Network di bolehkan dalam islam karena dapat memberi manfaat kemudahan kepada seseorang untuk mengklasifikasi penyakit kanker serviks melalui citra PAP-SMEAR.

Actions (login required)

View Item