SISTEM KLASIFIKASI CITRA SEL PRA-KANKER SERVIKS MENGGUNAKAN ALGORITMA HISTOGRAM OF ORIENTED GRADIENTS (HOG) DAN MACHINE LEARNING

Kanker serviks merupakan jenis penyakit berbahaya yang menyerang banyak wanita di dunia dengan lebih dari 99% kanker serviks mengandung Human Papillomavirus (HPV). Global Burden of Cancer Study (Globocan) mencatat sebanyak 36.633 kasus kejadian kanker serviks yang menempati urutan kedua di Indonesia. Analisis hasil pemeriksaan pap smear secara manual sebagai upaya deteksi dini memiliki banyak kelemahan. Oleh karena itu, sebagai langkah deteksi dini dalam mendiagnosa citra sel pra-kanker serviks dibutuhkan sistem kecerdasan buatan untuk membantu tenaga medis memberikan evaluasi diagnotik yang cepat dan akurat. Penelitian ini menggunakan 3 jenis citra sel pra-kanker serviks yaitu 324 citra HSIL, 324 citra LSIL, dan 324 citra Normal sebagai data training, sedangkan data testing sebanyak 36 citra LSIL, 36 cita HSIL, dan 36 citra Normal. Tujuan dari penelitian ini adalah merancang sebuah sistem klasifikasi citra sel prakanker serviks dengan image processing menggunakan dua algoritma yaitu Histogram Of Oriented Gradients (HOG) untuk ekstraksi fitur dan machine learning (SVM dan KNN) untuk sistem klasifikasinya. Tingkat warna keabuan pada citra yang kontras antara tekstur nukleus, sitoplasma, dan latar belakang memiliki nilai intensitas kedalaman piksel dan bit yang berbeda, sehingga HOG mendapatkan orientasi bin pada setiap piksel di dalam cell. Hasil klasifikasi yang telah dilakukan mendapatkan model Medium Gaussian SVM menjadi model dengan performa terbaik saat training data dengan akurasi sebesar 70.8% pada fitur HOG Cell Size 6080, dan fitur HOG Cell Size 5050 dengan akurasi sebesar 73.3%. Sehingga, model Medium Gaussian SVM menjadi model terbaik saat pengujian dengan nilai parameter confusion matrix yang tinggi.