DYAH VIKI WULANDARI (2025) SISTEM KLASIFIKASI SEL KANKER SERVIKS MENGUNAKAN FOURIER DESCRIPTOR DAN SOBEL EDGE DETECTION BERBASIS MACHINE LEARNING SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN). 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 (804kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (294kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (304kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (540kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (612kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (297kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (251kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (104kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (458kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (3MB)

Abstract

Kanker serviks atau kanker mulut rahim merupakan salah satu kelainan pada organ reproduksi wania yang disebabkan oleh Human Papilloma Virus (HPV). Kelainainan ini dapat diminimalisir dengan melakukan cara deteksi dini dengan menggunakan metode skrinning pap smear dan serangkain test HPV DNA. Namun, sayangnya di negara berkembang metode tersebut kurang efektif diterapkan dikarenakan biaya yang cukup mahal. Penelitian ini mengusulkan sistem klasifikasi citra sel serviks dengan memanfaatkan teknik pengolahan citra digital menggunakan MATLAB software, dengan mengombinasikan metode pendeteksi sobel edge detection serta ekstraksi Fourier Descriptor, dan algoritma klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Sistem dikembangkan untuk mengklasifikasikan tiga jenis citra sel serviks, yaitu Normal, LSIL (Low-grade Squamous Intraepithelial Lesion), dan HSIL (High-grade Squamous Intraepithelial Lesion). Dalam proses klasifikasi, digunakan tiga varian model SVM, yaitu Cubic SVM, Quadratic SVM, dan Medium Gaussian SVM. Adapun model KNN yang digunakan, yaitu Fine KNN, Medium KNN, dan Weighted KNN. Pada skenario klasifikasi ini, kelas HSIL diperlakukan sebagai kelas positif, sedangkan kelas LSIL dan Normal digolongkan sebagai kelas negatif. Metode SVM digunakan untuk mengklasifikasikan sel kanker serviks dengan tingkat akurasi tertinggi yang diperoleh oleh model Cubic SVM dengan akurasi 89%. Dan pada KKN tingkat akurasi tertinggi yang diperoleh oleh model Fine KNN dengan akurasi 97,6%. Dari hasil tersebut, kombinasi metode Fourier Descriptor dengan metode SVM dan KNN tepat dilakukan dan dapat berpontensi diimplementasikan untuk hasil deteksi lebih cepat dan akurat.

Dosen Pembimbing: Yessi Jusman, S.T., M.Sc., Ph.D. | NIDN1007058408
Item Type: Thesis (S1)
Uncontrolled Keywords: MATLAB, Cervical Cancer Cells, Machine Learning, Sobel edge detection, Fourier Descriptor, SVM, KNN
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Bima
Date Deposited: 01 Jul 2025 06:18
Last Modified: 01 Jul 2025 06:18
URI: https://etd.umy.ac.id/id/eprint/51697

Actions (login required)

View Item View Item