SISTEM KLASIFIKASI KANKER SERVIKS MENGGUNAKAN ALGORITMA HAAR WAVELET DAN HISTOGRAM OF GRADIENTS BERBASIS NEURAL NETWORK INVARIANT

Pendeteksi kanker serviks menggunakan klasifikasi Multi Layer Perceptron adalah permasalahan yang harus diselesaikan dalam membuat sebuah sistem klasifikasi kanker serviks yang efisien dan akurat. Tujuan penelitian ini adalah membangun sistem klasifikasi citra kanker serviks dengan metode transformasi Haar Wavelet dan Histogram Of Gradients (HOG) untuk ektraksi fitur dan Neural Network Invariant untuk sistem klasifikasinya. Adapun metode yang digunakan dalam penelitian ini adalah Haar Wavelet dan Histogram Of Gradients (HOG) dengan proses klasifikasinya menggunakan Multi Layer Perceptron. Data citra yang digunakan sebanyak 1.311 citra asli dan setelah dilakukan augmentasi menjadi 5.244 citra. Dari klasifikasi MLP kemudian dibagi kembali menjadi 3 model yaitu Gradient Descent with Momentum, Scaled Conjugate Gradient, dan One Step Secan. Dalam pengujian data dilakukan melalui tahap preprocessing citra dan ekstraksi fitur. Hasil dari penelitian ini menghasilkan yaitu pada model Gradient Descent with Momentum (GDM) yang memilki nilai NaN% paling banyak pada Validation, kemudian pada model One Step Secan (OSS) dengan Hidden Neuron 1 merupakan hasil terbaik saat training dengan nilai rata rata 100%, serta model Scaled Conjugate Gradien(SCG) Hidden Neuron 1 merupakan hasil training terendah dengan nilai rata rata sebesar 62.2%. Sehingga penilitian ini berkontribusi dalam bidang diagnosa penyakit khususnya pada penyakit kanker serviks.