Update Artikelilmiah: 44093

ARSIL KULTURA ANZIL

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Kanker serviks merupakan salah satu jenis kanker yang umum terjadi pada wanita di seluruh dunia, dengan jumlah kasus baru mencapai 604.000 dan 342.000 di antaranya fatal pada tahun 2020. Deteksi dini memainkan peran kunci dalam pencegahan kanker ini, dengan metode utama melalui analisis citra kolposkopi setelah proses Inspeksi Visual Asam Asetat (IVA). Namun, analisis ini memerlukan tenaga medis berpengalaman. Untuk mengatasi tantangan ini, peneliti mengusulkan pembangunan aplikasi mobile Android menggunakan algoritme Convolutional Neural Network (CNN) untuk mendeteksi dini kanker serviks secara otomatis. Enam tahapan penelitian diusulkan, termasuk studi literatur, pemrosesan data citra kolposkopi, perancangan dan pengembangan model CNN, pengujian performa model, integrasi dengan aplikasi Android, dan pengujian akhir aplikasi untuk mengidentifikasi bug dan error. Hasil penelitian menunjukan performa model CNN yang baik dengan akurasi pada data latih bernilai 100%, data validasi 89%, dan data uji 86%. Model tersebut dapat diimplementasikan dengan baik pada aplikasi mobile Android tanpa adanya penurunan perfoma. Aplikasi mobile Android yang dibangun dapat berjalan dengan baik tanpa adanya bug maupun crash. Aplikasi tersebut mampu membantu dalam tahapan pre-screening kanker serviks menggunakan citra kolposkopi.

Abtrak (Bhs. Inggris)

Cervical cancer is one of the most common types of cancer in women worldwide, with the number of new cases reaching 604,000 and 342,000 of them fatal in 2020. Early detection plays a key role in the prevention of this cancer, with the main method being colposcopic image analysis following the Visual Inspection of Acetic Acid (VIA) process. However, this analysis requires experienced medical personnel. To overcome this challenge, the researcher proposed the development of an Android mobile application using the Convolutional Neural Network (CNN) algorithm for early detection of cervical cancer automatically. Six stages of research are proposed, including literature study, colposcopy image data processing, CNN model design and development, model performance testing, integration with Android application, and final testing of the application to identify bugs and errors. The results showed good performance of the CNN model with 100% accuracy on training data, 89% on validation data, and 86% on test data. The model can be implemented well in Android mobile applications without any decrease in performance. The Android mobile application built can run well without any bugs or crashes. The application is able to assist in the pre-screening stage of cervical cancer using colposcopy images.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman