| NIM | H1A020070 |
|---|
| Namamhs | BINTANG ABELIAN MAHARDIKA WIJONARKO |
|---|
| Judul Artikel | ANALISIS PENGARUH PARTISI KELOMPOK CITRA DAN SEGMENTASI BERDASARKAN K-MEANS TERHADAP CITRA PRA-KANKER SERVIKS PADA MODEL SVM |
|---|
| Abstrak (Bhs. Indonesia) | Kanker serviks, yang disebabkan oleh HPV (Human Papillomavirus), adalah penyakit kanker paling umum keempat di antara perempuan di seluruh dunia dan mengakibatkan sekitar 250.000 kematian per tahun. Meskipun ada metode skrining seperti vaksin dan perawatan lainnya, penanganan penyakit ini masih kurang baik, terutama di negara-negara berkembang. Salah satu metode skrining yang murah dan cepat adalah IVA (Inspeksi Visual Asam asetat), yang menggunakan alat bernama kolposkopi untuk mendapatkan citra serviks. Namun, metode ini subjektif dan membutuhkan peningkatan akurasi. Oleh karena itu, teknologi seperti machine learning diharapkan dapat membantu meningkatkan akurasi dan efisiensi metode ini. Metode inspeksi yang menggunakan machine learning membutuhkan area of interest, yang dalam hal ini adalah bercak putih pada permukaan serviks yang dihasilkan oleh metode IVA. Proses mendapatkan area ini melibatkan klasterisasi dan segmentasi citra pra-kanker serviks, yang dapat lebih dispesifikan melalui metode K-Means. Oleh karena itu, penelitian terhadap segmentasi K-Means yang diterapkan pada citra pra-kanker serviks sangat dibutuhkan, dengan harapan dapat mendapatkan potongan lesi yang baik dari citra tersebut. |
|---|
| Abtrak (Bhs. Inggris) | Cervical cancer, caused by HPV (Human Papillomavirus), is the fourth most common cancer among women worldwide and results in about 250,000 deaths per year. Although there are screening methods such as vaccines and other treatments, the handling of this disease is still poor, especially in developing countries. One of the screening methods that is cheap and fast is IVA (Visual Inspection with Acetic acid), which uses a tool called a colposcope to obtain a cervical image. However, this method is subjective and requires an increase in accuracy. Therefore, technologies such as machine learning are expected to help improve the accuracy and efficiency of this method. The inspection method that uses machine learning requires an area of interest, which in this case is the white spots on the surface of the cervix produced by the IVA method. The process of obtaining this area involves clustering and segmentation of pre-cancerous cervical images, which can be further specified through the K-Means method. Therefore, research on K-Means segmentation applied to pre-cancerous cervical images is needed, with the hope of obtaining good lesion cuts from the image. |
|---|
| Kata kunci | Kanker Serviks, Kolposkopi, Lesi, Citra Pra-Kanker Serviks, Klasterisasi, Segmentasi |
|---|
| Pembimbing 1 | Prof. Dr. Eng. Ir. Retno Supriyanti, S.T., M.T. |
|---|
| Pembimbing 2 | Ir. Yogi Ramadhani, S.T.,M.Eng. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2024 |
|---|
| Jumlah Halaman | 83 |
|---|
| Tgl. Entri | 2024-02-01 12:05:44.22022 |
|---|