Implementasi Transfer Learning Dalam Klasifikasi Tingkat Keganasan Sel Kanker Serviks

Adha, Aqmal Fauzan (2025) Implementasi Transfer Learning Dalam Klasifikasi Tingkat Keganasan Sel Kanker Serviks. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 04201019_cover.pdf Download (110kB)
	Text 04201019_statement_of_authenticity.pdf Download (390kB)
	Text 04201019_publishing_agreement.pdf Download (423kB)
	Text 04201019_approval_sheet.pdf Download (393kB)
	Text 04201019_preface.pdf Download (132kB)
	Text 04201019_abstract_id.pdf Download (210kB)
	Text 04201019_abstract_en.pdf Restricted to Repository staff only until 26 April 2027. Download (132kB) | Request a copy
	Text 04201019_table_of_content.pdf Restricted to Repository staff only until 26 April 2027. Download (216kB) | Request a copy
	Text 04201019_illustrations.pdf Restricted to Repository staff only until 26 April 2027. Download (212kB) | Request a copy
	Text 04201019_tables.pdf Restricted to Repository staff only until 26 April 2027. Download (166kB) | Request a copy
	Text 04201019_chapter_1.pdf Restricted to Repository staff only until 26 April 2027. Download (415kB) | Request a copy
	Text 04201019_chapter_2.pdf Restricted to Repository staff only until 26 April 2027. Download (1MB) | Request a copy
	Text 04201019_chapter_3.pdf Restricted to Repository staff only until 26 April 2027. Download (895kB) | Request a copy
	Text 04201019_chapter_4.pdf Restricted to Repository staff only until 26 April 2027. Download (2MB) | Request a copy
	Text 04201019_conclusions.pdf Restricted to Repository staff only until 26 April 2027. Download (257kB) | Request a copy
	Text 04201019_bibliography.pdf Download (301kB)
	Text 04201019_enclosure.pdf Restricted to Repository staff only until 26 April 2027. Download (2MB) | Request a copy
	Text 04201019_paper.pdf Restricted to Repository staff only until 26 April 2027. Download (722kB) | Request a copy
	Text 04201019_presentation.pdf Restricted to Repository staff only until 26 April 2027. Download (8MB) | Request a copy
	Text 04201019_Form. TA-020.pdf Restricted to Repository staff only until 26 April 2027. Download (449kB) | Request a copy

Abstract

Kanker serviks merupakan penyakit yang menempati posisi tertinggi sebagai penyakit yang menyerang kaum hawa. Diketahui Indonesia didapatkan sebesar 1,4 per 1.000 penduduk serta merupakan penyebab kematian nomor 7 dari seluruh penyebab kematian. Tingginya angka yang disebabkan oleh kanker leher rahim dapat dicegah apabila wanita dewasa memiliki pengetahuan dan menyadari bahwa kanker leher rahim merupakan salah satu penyakit yang mematikan. Penelitian ini mengusulkan algoritma klasifikasi tingkat keganasan sel kanker serviks berdasarkan data SipakMed menggunakan metode Transfer Learning. Proses ini diawali dari memilih dataset citra medis yang sudah dilabeli, misalnya gambar sel kanker serviks. Data gambar tersebut diproses dengan langkah seperti resize image, normalisasi nilai pixel, dan augmentasi image. Selanjutnya, dilakukan pengujian dengan tiga model pre-trained yaitu EfficientNetV2, InceptionV3, dan Xception. Dalam tahapan fine-tuning, beberapa layer dipertahankan dan pelatihan menggunakan dataset untuk menyesuaikan task model ke dalam task klasifikasi. Berdasarkan hasil pengujian yang telah dilakukan, diperolah perbandingan akurasi EfficientNetV2, InceptionV3, dan Xception yang memiliki kelebihan serta kekurangan. Pada model InceptionV3 dan Xception didapatkan nilai akurasi yang cukup tinggi dibandingkan dengan EfficientNetV2. Pada model EfficientNetV2 mengalami kendala dalam mencapai nilai akurasi yang diinginkan, dimana hanya mencapai sekitar 50%. Ada beberapa faktor penyebab yaitu pengaturan hyperparameter yang kurang tepat, ukuran dataset yang terbatas, atau pada proses fine-tuning. Secara keseluruhan, Xception dan InceptionV3 lebih unggul dalam klasifikasi kanker serviks dibandingkan dengan EfficientNetV2. Kata kunci: Serviks, EfficientNet V2, Inception V3, Xception

Item Type:	Thesis (Bachelor)
Subjects:	R Medicine > RB Pathology R Medicine > RC Internal medicine R Medicine > RC Internal medicine > RC0254 Neoplasms. Tumors. Oncology (including Cancer) R Medicine > RG Gynecology and obstetrics R Medicine > RL Dermatology R Medicine > RM Therapeutics. Pharmacology
Divisions:	Jurusan Teknologi Industri dan Proses > Teknik Elektro
Depositing User:	Aqmal Fauzan Adha
Date Deposited:	09 Jan 2025 03:48
Last Modified:	09 Jan 2025 03:48
URI:	http://repository.itk.ac.id/id/eprint/21947

Actions (login required)

View Item