Klasifikasi Citra Histopatologi Kanker Serviks Menggunakan Metode Transfer Learning

Abstract

Kanker mulut rahim (serviks) adalah kanker dengan jumlah kasus terbanyak kelima pada wanita di seluruh dunia dan merupakan masalah kesehatan perempuan di Indonesia dengan angka kejadian dan kematiannya yang tinggi. Tes skrining pap smear manual yang berfungsi sebagai pencegahan dan deteksi awal kanker serviks masih rawan akan terjadinya kesalahan observasi. Penelitian ini bertujuan untuk membuat model convolutional neural network dengan metode transfer learning untuk identifikasi kanker serviks pada citra pap smear. Data yang digunakan pada penelitian ini adalah dataset open source SIPaKMeD yang mengandung 4049 citra sel serviks normal, abnormal, dan jinak. Penelitian ini dilakukan melalui beberapa tahapan yaitu praproses data, pembagian data, hyperparameter tuning, pembuatan model prediksi, dan evaluasi model. Penelitian ini menghasilkan tiga model CNN berbeda dengan akurasi terbaik sebesar 99,04%.

Cervical cancer is a cancer with the fifth highest number of cases in women worldwide and is a health problem in Indonesia with high incidence and death rate. Manual pap smear screening tests that function as prevention and early detection of cervical cancer are still prone to observation errors. This study aims to create a convolutional neural network with transfer learning method to identify cervical cancer on pap smear images. The data used in this study are the open source dataset SIPaKMeD that contains 4049 normal, abnormal, and benign cervical cell images. The study was carried out through several stages which are data preprocessing, data splitting, hyperparameter tuning, prediction model making, and model evaluation. Three different CNN models were made, having the best accuracy of 99.04%.