IMPLEMENTASI JARINGAN SYARAF TIRUAN PADA HASIL CITRA PAP SMEAR UNTUK MENDETEKSI KANKER SERVIKS MENGGUNAKAN METODE LVQ (LEARNING VECTOR QUANTIZATION)

Maria, Ulfa (2021) IMPLEMENTASI JARINGAN SYARAF TIRUAN PADA HASIL CITRA PAP SMEAR UNTUK MENDETEKSI KANKER SERVIKS MENGGUNAKAN METODE LVQ (LEARNING VECTOR QUANTIZATION). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (1MB)
[img] Text (BAB I)
BAB I.pdf

Download (270kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (860kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (503kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (326kB)
[img] Text (BAB V)
BAB V.pdf

Download (41kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (152kB)
[img] Text (PUBLIKASI)
Pubilkasi-17.11.1510-Ulfa Maria - Ulfa Maria.pdf
Restricted to Repository staff only

Download (588kB)

Abstract

Kanker serviks merupakan penyakit yang sering dialami wanita dan menjadi penyakit dengan penderita kedua terbanyak setelah kanker payudara di Indonesia. Menurut World Health Organitation (WHO) pada tahun 2018 diperkirakan 570.000 wanita di diagnosa menderita kanker serviks dan 311.000 wanita meninggal karena penyakit kanker serviks. Total kasus kanker serviks yang terjadi di Indonesia adalah 23,4/100.000 penduduk dengan rata-rata kematian 13,9/100.000 penduduk. Dari permasalahan tersebut dilakukan penelitian pada hasil citra papsmear untuk mendeteksi kanker serviks. Tahapan penelitian yang dilakukan yaitu pengumpulan data, preprocessing, ekstraksi fitur menggunakan metode Gray Level Co-Occurrance Matrix dan klasifikasi Learning Vector Quantization. Data yang sudah didapatkan akan diberi label secara manual yang terdiri dari dua label yaitu normal dan abnormal. Dilakukan 3 pengujian dengan jumlah data yang berbeda, yaitu 500 citra pada pengujian 1, 400 citra pada pengujian 2 dan 300 citra pada pengujian 3. Hasil penelitian ini menunjukkan bahwa metode Learning Vector Quantization mampu mengklasifikasikan kanker serviks dari hasil citra papsmear dengan akurasi tertinggi sebesar 89% pada pengujian 2.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Arief, Muhammad Rudyanto
Uncontrolled Keywords: Learning Vector Quantization, Kanker Serviks, Pap smear, Klasifikasi, Classifiction, Cancer
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 20 Jun 2022 08:15
Last Modified: 15 Aug 2023 02:24
URI: http://eprints.amikom.ac.id/id/eprint/1846

Actions (login required)

View Item View Item