Home
Login.
Artikelilmiahs
45009
Update
MUHAMMAD SATRIA ADJIE NUGRAHA
NIM
Judul Artikel
ANALISIS VARIASI METODE PENGHITUNGAN JARAK PADA PERFORMA ALGORITMA K-NEAREST NEIGHBOR DALAM KLASIFIKASI DETEKSI PRA-KANKER SERVIKS
Abstrak (Bhs. Indonesia)
Kanker serviks pada saat ini menempati urutan kedua sebagai penyakit kanker pada sistem reproduksi wanita dan peringkat keempat sebagai penyakit paling mematikan bagi wanita di seluruh dunia. Salah satu pencegahan yang telah dilakukan adalah dengan mendeteksi secara dini dari kanker tersebut atau deteksi pra-kanker menggunakan kolposkopi. Mengombinasikan kolposkopi dan perlakuan asam asetat pada serviks membantu tenaga medis dalam melihat adanya indikasi kanker berupa lesi. Dengan bantuan pengolahan citra, diharapkan proses deteksi pra-kanker ini dapat dilakukan dengan lebih efisien. Klasifikasi citra yang telah melalui preprocessing dan ekstraksi fitur akan menggunakan algoritma KNN (K-Nearest Neighbor) yang dapat membedakan citra normal dan citra abnormal (terindikasi adanya lesi). Pemilihan metode penghitungan jarak antar data citra menjadi salah satu faktor penting terhadap performa klasifikasi algoritma KNN, oleh karena itu penelitian ini bertujuan untuk menganalisis pengaruh variasi metode penghitungan jarak pada algoritma dan merancang sistem deteksi pra-kanker yang optimal. Hasil penelitian menunjukkan bahwa metode penghitungan jarak Chebyshev memiliki tingkat akurasi tertinggi dengan angka 97%.
Abtrak (Bhs. Inggris)
At the moment, cervical cancer is ranked second in the most number of cancer cases in women’s reproduction system and fourth as the most lethal disease for woman around the world. One of the preventive approaches to this issue is by conducting a pre-cancer detection using colposcopy. Combining both colposcopy and the usage of acetic acid solution, medical personnel can see indications of pre-cancer in the form of lesions on the cervix. With the help of image processing, the efforts of pre-cervical cancer detection can hopefully be done in a more efficient manner. Classification of preprocessed and feature-extracted images will utilize KNN (K-Nearest Neighbor) algorithm to differentiate normal and abnormal images. With distance measure selection being a key factor in classification performance, this research aims to analyze various distance measures used in the algorithm and design an optimal pre-cervical cancer detection system. The result has shown that Chebyshev distance measure yields the highest accuracy score of 97% for this application.
Kata kunci
Pembimbing 1
Pembimbing 2
Pembimbing 3
Tahun
Jumlah Halaman
Save