Perpustakaan Digital ITB

Lesi serviks menjadi salah satu tanda awal untuk melakukan diagnosis kanker serviks, secara umum terbagi menjadi tiga kategori: Neoplasia Intraepitel Serviks (NIS)1, NIS2, dan NIS3. Pada penelitian ini bertujuan untuk melakukan klasifikasi NIS berbasis pembelajaran mesin dan pembelajaran mendalam. Model pembelajaran mesin dibangun dengan pemanfaatan nilai ekstraksi fitur tekstur dan warna pada citra lesi serviks, yaitu Gray Level Co-occurrence Matrix (GLCM), L*a*b* color space, dan Local Binary Pattern (LBP), sedangkan model pembelajaran mendalam dibangun dengan memanfaatkan model dasar Convolutional Neural Network (CNN). Citra NIS pada data pelatihan dan pengujian menggunakan Intel Mobile Optical Detection Technologies, yaitu kumpulan citra NIS yang telah dikelompokkan dan diverifikasi oleh tenaga ahli. Eksperimen pada penelitian ini dilakukan untuk menganalisis kinerja model dalam melakukan klasifikasi NIS1, NIS2, dan NIS3, dengan hasil akurasi, sensitivitas, dan spesifisitas pada kinerja model Extra Tree sebesar 0,98, 0,97, dan 0,98, sedangkan pada kinerja model dasar CNN didapatkan nilai akurasi, sensitivitas, dan spesifisitas sebesar 0,94, 0,96, dan 0,89. Temuan pada penelitian ini menunjukkan bahwa kombinasi pada ektraksi fitur GLCM, L*a*b*, dan LBP mampu melakukan pengenalan dan identifikasi karakteristik penting dari citra lesi serviks sebagai tahapan awal klasifikasi kanker serviks. Penelitian selanjutnya, direkomendasikan untuk dapat melakukan peluasan dataset dan melakukan pengujian lanjutan dengan metode klasifikasi yang lebih kompleks guna untuk meningkatkan kinerja model klasifikasi.