Klasifikasi Kanker Serviks Pada Citra Pap Smear Menggunakan Model Convolutional Neural Network

Abstract

Kanker serviks menempati peringkat kedua sebagai jenis kanker yang paling banyak menyerang wanita dengan angka kematian sebesar 273.000 kasus per tahun. Pemeriksaan pap smear adalah salah satu upaya pencegahan kanker serviks. Pemeriksaan secara manual yang dilakukan dengan intensitas tinggi akan berdampak pada tingginya kesalahan pengamatan akibat kesalahan manusia. Penelitian ini bertujuan untuk membuat model convolutional neural network dengan performa paling baik dalam mengidentifikasi kanker serviks pada citra pap smear. Data yang digunakan dalam penelitian ini bersumber dari SIPaKMeD yang terdiri atas 4049 citra sel dan terbagi menjadi 5 kelas berdasarkan tingkat keganasan kanker serviks. Tahapan dalam penelitian ini meliputi praproses data, pembagian data, hyperparameter tuning, pelatihan model, dan evaluasi. Hasil dari penelitian ini adalah tiga model prediksi kanker serviks. Model dengan performa paling baik diraih oleh AlexNet dengan akurasi sebesar 99,02%.