Klasifikasi Kanker Serviks Melalui Pengolahan Citra Pola Pembuluh Darah Dengan Metode Matched Filter Dan Morphology Operation

Abstract

Abstrak—GLOBOCAN 2020 menyatakan kanker serviks menduduki posisi ke-2 paling mematikan di dunia dan diperkirakan memiliki 604.000 pengidap dengan 342.000 kematian setiap tahunnya. Deteksi dini penyakit penting untuk dilakukan, menggunakan metode IVA test, pap smear, dan pemeriksaan kolposkopi. Sebagai jaringan yang berperan membawa dan menyalurkan informasi ke seluruh tubuh, pembuluh darah juga mampu menjadi parameter pendeteksian suatu penyakit. Pada kanker terjadi proses angiogenesis di pembuluh darah, sehingga pembuluh darah diduga dapat menjadi indikator potensi terjadinya kanker. Berdasarkan uraian diatas, pada tugas akhir ini penulis melakukan perancangan sistem segmentasi pembuluh darah pada citra serviks sebagai upaya untuk mendeteksi kanker serviks secara dini melalui perubahan gambar pembuluh darah pada citra serviks. Pada proses segmentasi ini penulis menggunakan dua metode, yaitu Matched Filter dan Morphology Operation dan dilakukan pengujian melalui proses klasifikasi dengan masukan citra serviks hasil segmentasi menggunakan metode Support Machine Learning (SVM) dan K-Nearest Neighbors (KNN) untuk di analisa. Dataset yang digunakan sebanyak 100 data. Berdasarkan pengujian sistem mendapatkan hasil akurasi klasifikasi data menggunakan metode SVM menggunakan kernel RBF sebesar 96% dengan waktu komputasi sebesar 0,146 sec, sedangkan untuk metode KNN mendapatkan hasil rata-rata akurasi tertinggi sebesar 94% menggunakan jarak cosine dan K = 5 dengan waktu komputasi sebesar 0,0584 sec.
Kata kunci—Kanker Serviks, K-Nearest Neighbors, Matched Filter, Morpholohgy Operation, Pembuluh Darah, Pengolahan Citra Digital, Support Vector Machine