DETEKSI PENYAKIT KANKER SERVIKS MENGGUNAKAN METODE ADAPTIVE THRESHOLDING BERBASIS PENGOLAHAN CITRA

EGGI INTAN PUTRI

Informasi Umum

Kode

15.04.483

Klasifikasi

621.367 - Technological photography and photo-optics, Spectrography, Stroboscopic photography, Image processing, Optical data processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Pengolahan Sinyal Informasi

Dilihat

85 kali

Informasi Lainnya

Abstraksi

Kanker serviks adalah salah satu penyakit kanker yang disebabkan oleh human papiloma virus (HPV) tipe 16 dan 18, yang menyerang leher rahim wanita. Metode deteksi kanker serviks yang sering dilakukan adalah Pap-Smear. Namun, sering terjadi kesalahan pada metode ini dalam mendiagnosa level penyakit kanker serviks. Karena itu, diperlukan sistem yang mampu membantu mengidentifikasi hasil Pap-Smear.

Pada tugas akhir ini telah dirancang sistem untuk mendeteksi gejala kanker serviks dengan bantuan software Matlab 2009a untuk mengatasi permasalahan tersebut. Proses pengolahan citra dimulai dari mengonversi jenis citra, thresholding, penghapusan noise dengan filter, hingga citra siap dideteksi. Untuk proses thresholding, digunakan metode Adaptive Thresholding yaitu pengambangan yang menggunakan nilai ambang lokal. Sistem ini mampu mengelompokkan citra menjadi dua tipe, yaitu normal dan abnormal (pra kanker). Untuk tipe abnormal dibagi menjadi tiga, yaitu ringan (mild), sedang (moderate), dan berat (severe). Untuk menguji kehandalan sistem, dilakukan penambahan noise Salt & Pepper dan Gaussian yang masing-masing bernilai 0.01 sampai 0.05 serta ditambahkan median filter untuk menghilangkan noise tambahan ini.

Berdasarkan pengujian yang dilakukan pada 218 citra uji, diperoleh nilai akurasi sebesar 100% dan rata – rata waktu proses pada sistem ini adalah 25,4 detik dengan kombinasi parameter WS = 10 dan C = -2. Untuk menguji kehandalan sistem terhadap noise, dilakukan pengujian dengan penambahan noise pada data uji. Sistem mampu menangani noise Salt & Pepper dengan akurasi rata-rata 59.93% dan noise Gaussian dengan akurasi rata-rata 47.78%. Dengan hadirnya median filter pada sistem, mampu membantu sistem menghilangkan noise Salt & Pepper dan Gaussian dengan akurasi rata-rata 68.89%.

Kata Kunci : kanker serviks, pap-smear, pengolahan citra, thresholding