PERBANDINGAN PERFORMA KLASIFIKASI CITRA SEL KANKER SERVIKS DENGAN MENGGUNAKAN DEEP LEARNING MODEL DENSENET201 DAN INCEPTION V3

Perkembangan teknologi di zaman saat ini khususnya untuk penelitian terhadap klasifikasi citra, dapat membantu memudahkan dunia medis dalam mendeteksi dan mengklasifikasi kelas penyakit kanker serviks secara otomatis melalui sebuah sistem. Sistem ini menggunakan metode deep learning dengan menggunakan pre-trained models  DenseNet201, dan Inception V3, nilai parameter yang dihasilkan akan mengetahui dan menentukan pre-trained models yang terbaik. Parameter yang dihasilkan adalah grafik training dan hasil testing yang berupa confusion matrix serta performance. Penelitian ini mencari akurasi, kestabilan grafik, running time, perhitungan hasil confusion matrix dan performance matrix sebagai pengukuran kehandalan metode. DenseNet201 mencapai akurasi tertinggi sebesar 94.79% pada fold 8, sedangkan Inception V3 mencapai akurasi tertinggi sebesar 98.96% pada fold 10. Rata-rata akurasi DenseNet201 adalah 85.602%, sedangkan rata-rata akurasi Inception V3 adalah 90.26%. Sementara itu, untuk running time (waktu yang dibutuhkan untuk melatih model), DenseNet201 membutuhkan waktu rata-rata 16 menit 9 detik untuk satu fold, sedangkan Inception V3 hanya membutuhkan waktu rata-rata 3 menit 11 detik untuk satu fold.