IHSAS NUR ALAM (2025) SISTEM KLASIFIKASI CERVICAL CELL IMAGES MENGGUNAKAN ALGORITMA SCALE INVARIANT FEATURE TRANSFORM BERBASIS MACHINE LEARNING. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (1MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (404kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (136kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (213kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (816kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (606kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (11MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (70kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (189kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (472kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (439kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (14MB)

Abstract

Sel serviks diakibatkan oleh salah satu virus yaitu Human Papilloma Virus (HPV) yang umumnya menyerang mulut, tenggorokan, serta area genital pada tubuh manusia. Penyakit ini dapat dicegah sejak dini dengan melakukan pemeriksaan patologi mikroskopik seperti deteksi dini kanker �skrinning� melalui pemeriksaan Pap smear. Namun di Indonesia cakupan skrinning melalui pemeriksaan Pap smear masih cukup rendah. Sehingga memerlukan diagnosis yang akurat dan efisien untuk mendukung perawatan, oleh karena itu penelitian ini memiliki tujuan untuk membantu tenaga medis dalam mengembangkan sistem klasifikasi otomatis berbasis citra mikroskopik sel seviks untuk mendeteksi sel tersebut termasuk kedalam kelas High-Grade Squamous Intraepithalial Lesion (HSIL), Low-Grade Squamous Intraepithelial Lesion (LSIL), dan normal Sistem ini memanfaatkan metode ekstraksi fitur SIFT dan SURF, meliputi skala, orientasi, gradien, lokasi, serta transformasi pada objek. Neural Network digunakan untuk proses klasifikasi tingkatan perubahan sel serviks berdasarkan data ekstraksi yang dihasilkan. Hasil akurasi pada sistem klasifikasi berupa training dengan akurasi terbaik mencapai 100% menggunakan model Bayesian Regularization (BR), dan testing dengan akurasi terbaik mencapai 91% menggunakan model Levenberg Marquardt (LM). Berdasarkan hasil yang diperoleh model BR memiliki performa lebih baik dibandingkan dengan model LM, yaitu dengan nilai rata-rata terbesar 99.58% pada hidden neuron 40, dan untuk rata -rata akurasi testing model LM mengungguli model BR dengan akurasi rata-rata tertinggi sebesar 78.81% pada hidden neuron 40 .

Dosen Pembimbing: Yessi Jusman, S.T., M.Sc., Ph.D. | NIDN1007058408
Item Type: Thesis (S1)
Uncontrolled Keywords: Cervical Cell Images, Feature Extraction, Neural Network, Bayesian Regularization, Levenberg-Marquardt
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Eko Kurnawan
Date Deposited: 12 Feb 2025 07:57
Last Modified: 12 Feb 2025 07:57
URI: https://etd.umy.ac.id/id/eprint/49861

Actions (login required)

View Item View Item