TESIS SEGMENTASI DAN IDENTIFIKASI SEL NUKLEUS DAN SEL RADANG PADA CITRA PAP SMEAR TUMPANG TINDIH

research
  • 20 May
  • 2022

TESIS SEGMENTASI DAN IDENTIFIKASI SEL NUKLEUS DAN SEL RADANG PADA CITRA PAP SMEAR TUMPANG TINDIH

Kanker ini masih menjadi urutan teratas penyebab kematian pada wanita seluruh didunia. Penyakit yang menyerang bagian organ intim wanita ini memang sangat ganas dan berbahaya. Setiap para wanita memiliki resiko terkena kanker dan meyerang pada wanita yang berusia 33-35 tahun. Ditandai dengan tumbuhnya selsel tidak normal pada leher rahim dan perubahan untuk menjadi sel kanker dapat memakan waktu cukup lama yaitu sekitar 10-15 tahun. Pendeteksian kanker serviks diawali dengan pemeriksaan Pap Smear , yang merupakan prosedur yang cukup sulit. Penelitian ini bertujuan untuk melakukan segmentasi serta identifikasi dan klasifikasi sel nukleus dan sel radang dari hasil pemeriksaan Pap Smear. Dimulai dengan proses preprocessing citra dengan konversi warna grayscale kemudian segmentasi menggunakan konversi biner, setelah itu dianalisis tekstur dengan Gray Level Co-Occurance Matrix (GLCM) dan menampilkan 6 fitur. Kemudian diidentifikasi dengan metode Euclidean Distance dari 20 data uji dapat diidentifikasi 16 data benar dan 4 data salah dengan akurasi 80%.

Unduhan

 

REFERENSI

Alamsyah, D., & Pratama, D. (2019). Segmentasi Warna Citra Bunga Daisy dengan Algoritma KMeans pada Ruang Warna Lab. Jurnal Buana Informatika, 10(2), 153. https://doi.org/10.24002/jbi.v10i2.2458 Alvini, S., & Dewi, M. P. (2021). Penerapan Pohon Rentang Minimum pada Graph dalam Segmentasi Citra. UNP Journal of Mathematics, 4(2), 57–61. Ciputra, A., Susanto, A., & dkk. (2018). Dengan Algoritma Naive Bayes Dan Ekstraksi Fitur Citra Digital. Simetris : Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 9(1), 465–472. Firmanto, B., Rikasanti, E., & Putra, A. B. W. (2019). Optimasi Hasil Akuisisi Obyek Wajah Jurnal PILAR Nusa Mandiri Vol. 17, No. 1 March 2021 103 Menggunakan Metode Binary Large Objects. Semnas SENASTEK Unikama 2019, 2, 826–840. https://conference.unikama.ac.id/artikel/ind ex.php/senastek/article/view/312 Nafi’iyah, N., & Fatichah, C. (2017). Fuzzy self organizing map untuk proses thresholding pada citra dental panaromic. Seminar Nasional Sistem Informasi, September, 511–524. Premana, A., Bhakti, R. M. H., & Prayogi, D. (2020). Segmentasi K-Means Clustering Pada Citra Menggunakan Ekstrasi Fitur Warna dan Tekstur. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 2(01). https://doi.org/10.46772/intech.v2i01.190 Prianggara, ferdian wahyu, Setiawan, ahmad bagus, & Farida, intan nur. (2020). Identifikasi Jenis Buah Apel Berdasarkan Ekstraksi Bentuk dan Warna. Qisti, N., Nurwidah, A., Padapi, A., & Haryono, I. (2020). Analisa Kelayakan Usaha Pembuatan Selai Apel di UMS Rappang Store. MALLOMO: Journal of Community Service, 1, 22–29. Rahmah, S. A. (2020). Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering (Studi Kasus Di Toko Juanda Tani Kecamatan Hutabayu Raja). Djtechno : Journal of Information Technology Research, 1(1), 1–5. Satun, H., & Pandiangan, M. (2020). Segmentasi Citra Untuk Pencarian Kode Warna Cat Menggunakan Metode Thershold Hsv. Bulletin of Information Technology ( BIT ), 1(3), 134– 143. Sibuea, F. L., & Sapta, A. (2017). Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustering. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 4(1), 85–92. Sinaga, A. S. R. (2017). Implementasi Teknik Threshoding Pada Segmentasi Citra Digital. Jurnal Manajemen Dan Informatika Pelita Nusantara, 1(2), 48–51. Suriani, L. (2020). Pengelompokan Data Kriminal Pada Poldasu Menentukan Pola Daerah Rawan Tindak Kriminal Menggunakan Data Mining Algoritma K-Means Clustering. Jurnal Sistem Komputer Dan Informatika (JSON, 1, 151–157. https://doi.org/10.30865/json.v1i2.1955 Zainuddin, M., Sianturi, L. T., & Hondro, R. K. (2017). Implementasi Metode Robinson Operator 3 Level Untuk Mendeteksi Tepi Pada Citra Digital. Jurnal Riset Komputer (JURIKOM), 4(4), 1-5.