Penggunaan Model Algoritma Convolutional Neural Network pada Klasifikasi Risiko Penyakit Kanker Serviks Menggunakan Citra Pap Smear
Kanker serviks merupakan penyakit mematikan yang banyak diderita wanita di seluruh dunia. Indonesia memiliki frekuensi kanker serviks paling tinggi diantara jenis kanker lainnya dengan akumulasi penyebaran berada di Pulau Jawa dan Bali. Laporan media info BPJS Kesehatan Edisi 104 menyatakan kanker serviks merupakan salah satu kanker yang paling banyak diderita dan menyedot biaya pelayanan kesehatan tertinggi. Oleh karena itu, diperlukan metode deteksi dini yang tepat karena kanker yang ditemukan pada stadium lanjut akan membutuhkan biaya yang lebih mahal dalam pengobatannya. Salah satu usaha pencegahan dini untuk mendeteksi kanker serviks adalah tes skrining pap smear. Namun, Tes pap smear secara manual masih memiliki kerentanan terhadap kesalahan observasi. Penelitian ini bertujuan untuk membuat model convolutional neural network (CNN) untuk mengidentifikasi kanker serviks menggunakan citra pap smear. Penelitian ini berusaha untuk mengotomatisasikan tes pap smear untuk meminimalisasi kesalahan manusia dan meningkatkan keakuratan serta keefektifan skrining. Data yang digunakan dalam penelitian ini bersumber dari SIPaKMeD berupa 4049 citra sel yang terbagi menjadi lima kelas berdasarkan tingkat keganasan sel. Model CNN yang digunakan pada penelitian ini adalah InceptionV3, ResNet50, dan VGG16. Optimasi hyperparameter tuning juga dilakukan dengan tujuan meningkatkan kinerja model. Hasil penelitian menunjukkan model yang paling direkomendasikan dalam mengklasifikasi citra pap smear adalah InceptionV3 dengan performa terbaik menghasilkan akurasi sebesar 99.5%. Proses optimasi hyperparameter tuning pada penelitian ini tidak memberikan pengaruh yang signifikan dan cenderung menurun pada ketiga model.
URI
https://repo.itera.ac.id/depan/submission/SB2308100096
Keyword