Lumbung Pustaka UNY: No conditions. Results ordered -Date Deposited. 2024-03-29T01:57:30ZEPrintshttp://eprints.uny.ac.id/apw_template/images/sitelogo.pnghttps://eprints.uny.ac.id/2016-12-09T03:12:39Z2019-01-30T12:11:18Zhttp://eprints.uny.ac.id/id/eprint/44464This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/444642016-12-09T03:12:39ZKLASIFIKASI KANKER SERVIKS MENGGUNAKAN MODEL
BACKPROPAGATION NEURAL NETWORK DAN PREPROCESSING
CITRA DENGAN OPERASI SPASIALDeteksi dini dan diagnosa untuk mengetahui kemungkinan adanya kanker
serviks pada wanita perlu dilakukan untuk menekan angka kematian yang
disebabkan kanker serviks. Salah satu model klasifikasi yang dapat digunakan
untuk proses diagnosa kanker serviks adalah neural network dengan algoritma
pembelajaran backpropagation. Penelitian ini bertujuan untuk menjelaskan
prosedur, hasil penerapan, serta tingkat ketepatan model Backpropagation Neural
Network (BPNN) untuk klasifikasi kanker serviks dengan operasi spasial
menggunakan citra kolposkopi.
Prosedur klasifikasi kanker serviks dengan BPNN adalah preprocessing
citra, ekstraksi fitur, pendefinisian variabel input dan target jaringan, pembagian
data input, normalisasi data, perancangan model terbaik dan denormalisasi
data. Preprocessing citra menggunakan operasi spasial dilakukan untuk
memperbaiki kualitas citra sebelum digunakan untuk pembelajaran jaringan.
Variabel input yang digunakan adalah 13 fitur hasil ekstraksi citra menggunakan
metode GLCM, sedangkan target jaringan berupa diagnosa masing-masing foto
kolposkopi serviks. Selanjutnya data input dibagi berdasarkan ukuran komposisi
data 80% data training dan 20% data testing. Proses normalisasi data perlu
dilakukan sebelum pembelajaran agar terjadi sinkronisasi data. Perancangan
model terbaik menggunakan algoritma pembelajaran backpropagation dilakukan
untuk mendapatkan model terbaik dengan akurasi tertinggi. Perancangan model
terbaik dilakukan dengan menentukan banyaknya neuron pada lapisan
tersembunyi yang sesuai. Output pembelajaran yang diperoleh kemudian
didenormalisasi untuk mengembalikan nilai output ke bentuk aslinya.
Penelitian ini menggunakan fungsi aktivasi sigmoid bipolar pada lapisan
tersembunyi dan fungsi linear pada lapisan output, serta menggunakan fungsi
pembelajaran jaringan traingdx. Model BPNN terbaik yang diperoleh untuk
klasifikasi kanker serviks dengan menggunakan software Matlab adalah dengan
13 neuron input, satu lapisan tersembunyi dengan 10 neuron dan 1 neuron
output. Tingkat ketepatan model BPNN terbaik diukur melalui nilai sensitivitas,
spesifisitas, dan akurasi. Berdasarkan model terbaik, diperoleh ketiga nilai
statistik tersebut secara berurutan adalah 100%, 100%, dan 100% untuk data
training serta 100%, 100%, dan 88,24% untuk data testing.
Kata Kunci : citra kolposkopi, neural network, backpropagation, klasifikasi
kanker serviks, operasi spasial, Matlab.Marwah MarurohDhoriva Urwatul Wutsqa