Hidayah, Uke Rahma (2019) Klasifikasi Penyakit Kanker Serviks dengan Extreme Learning Machine. Sarjana thesis, Universitas Brawijaya.
Abstract
Kanker serviks merupakan kanker peringkat kedua yang paling banyak di Indonesia setelah kanker payudara. Jumlah kematian akibat kanker serviks di Indonesia terus meningkat setiap tahunnya yang disebabkan oleh keterlambatan melakukan diagnosis dan pemeriksaan. Untuk mendeteksi kanker serviks dapat dilakukan pemeriksaan laboratorium dengan metode Inspeksi Visual dengan Asam asetat (IVA) atau pap smear yang membutuhkan pengetahuan dokter spesialis penyakit dalam serta beberapa pertimbangan fitur untuk mendapatkan hasil diagnosis yang akurat. Terkadang, cara menganalisis fitur oleh dokter satu dengan yang lain menghasilkan hasil yang berbeda. Oleh karena itu diperlukan adanya proses klasifikasi untuk melakukan diagnosis pada penyakit kanker serviks dengan hasil akurasi tinggi sehingga diharapkan dapat menyamakan hasil diagnosis dari tenaga medis. Penelitian ini menggunakan data cervical cancer risk classification dengan pemilihan fitur berdasarkan wawancara pakar. Penelitian ini menggunakan algoritme Extreme Learning Machine untuk melakukan proses klasifikasi dan mengukur hasil kinerja algoritme dengan nilai akurasi dari perhitungan confusion matrix. Berdasarkan hasil pengujian didapatkan parameter optimal yaitu banyak hidden neuron sebanyak 11, fungsi aktivasi adalah sigmoid biner, dan fold pada data training dan testing adalah fold ke-1 yang menghasilkan akurasi sebesar 91,76%.
English Abstract
Cervical cancer is the second most common cancer in Indonesia after breast cancer. The number of deaths from cervical cancer in Indonesia continues to increase every year due to delays in making diagnoses and examinations. To detect cervical cancer, a laboratory examination using Visual Inspection with Acetic Acid (IVA) or pap smears is needed which requires specialist internal medicine and several considerations of features to get accurate diagnosis. Sometimes, how to analyze features by doctor with one another produces different results. Therefore a classification process is needed to make a diagnosis of cervical cancer with high accuracy results so that it is expected to be able to match the diagnosis results of medical personnel. This study uses cervical cancer risk classification data with feature selection based on expert interviews. This study uses the Extreme Learning Machine algorithm to carry out the classification process and measure the results of algorithm performance with accuracy values from the calculation of confusion matrix. Based on the test results obtained the optimal parameters are as many as 11 hidden neurons, the activation function is binary sigmoid, and the fold on training and testing data is fold 1st which produces an accuracy of 91.76%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/384/051905702 |
| Uncontrolled Keywords: | cervical cancer, classification, extreme learning machine |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 01 Aug 2020 08:56 |
| Last Modified: | 01 Aug 2020 08:56 |
| URI: | http://repository.ub.ac.id/id/eprint/171858 |
Actions (login required)
 |
View Item |