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

• SITI NURDIANI
• 14002246

---

ABSTRAK

ABSTRAK

 

Yang bertanda tangan di bawah ini :

 

Nama                           : Siti Nurdiani

NIM                            : 14002246

Program Studi             : Ilmu Komputer

Jenjang                        : Strata Dua (S2)

Konsentrasi                 : Image Processing

Judul                           : 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 sel-sel 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%.

Kata Kunci: Segmentasi, Sel Nukleus, Sel Radang, Pap Smear, Tumpang Tindih

KATA KUNCI

Pengolahan Citra

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

[1]      V. Acharya and P. Kumar, “Segmentation of Pap Smear Images to Diagnose Cervical Cancer Types and Stages,” 2018 Int. Conf. Adv. Comput. Commun. Informatics, ICACCI 2018, pp. 595–603, 2018.

[2]      K. P. Win, Y. Kitjaidure, M. P. Paing, and K. Hamamoto, “Cervical cancer detection and classification from pap smear images,” ACM Int. Conf. Proceeding Ser., pp. 47–54, 2019.

[3]      W. A. Mustafa, A. Halim, M. A. Jamlos, and S. Z. S. Idrus, “A Review: Pap Smear Analysis Based on Image Processing Approach,” J. Phys. Conf. Ser., vol. 1529, p. 022080, 2020.

[4]      D. Lestari, “Deteksi kanker serviks berdasarkan citra sel pap smear dengan klasifikasi naïve bayes dian lestari auliani,” 2014.

[5]      B. Firmanto, E. Rikasanti, A. Bramanto, and W. Putra, “Optimasi Hasil Akuisisi Obyek Wajah Menggunakan,” vol. 2, pp. 826–840, 2019.

[6]      I. F. Interpretasi, “Digitalisasi Citra,” 2019.

[7]      M. Fathurahman, R. A. Nurmufti, and E. Suherlan, “Klasifikasi Tipe Sel Normal/Abnormal Berdasarkan Citra Pap-Smear Menggunakan Convolutional Neural Network,” J. Teknol. Inf. Yars., vol. 6, no. 1, pp. 35–41, 2019.

[8]      P. P. Wijayanti et al., “Diagnosa Gangguan Saraf Melalui Citra Iris Mata Dengan Metode Region of Interest,” vol. 2, no. 1, 2017.

[9]      A. W. Bawono, I. B. Hidayat, S. Nugroho, and S. Si, “Deteksi Area Hutan Berbasis Citra Google Earth Menggunakan Metode Grey Level Co-Occurrence Matrix (GLCM) dan Support Vector Machine (SVM),” vol. 6, no. 1, pp. 524–530, 2019.

[10]    Y. Yuhandri, “Perbandingan Metode Cropping Pada Sebuah Citra Untuk Pengambilan Motif Tertentu Pada Kain Songket Sumatera Barat,” Komtekinfo, vol. 6, no. 1, pp. 95–105, 2019.

[11]    K. Anwariyah and D. Sofyan, “Pemodelan Segmentasi Sel Epitel Serviks Pada Citra Digital PAP SMEAR,” JTIM  J. Teknol. Inf. dan Multimed., vol. 1, no. 2, pp. 96–105, 2019.

[12]    D. A. Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN,” Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p. 78, 2019.

[13]    E. Varijki and B. K. Triwijoyo, “Segmentasi Citra Mri Menggunakan Deteksi Tepi Untuk Identifikasi Kanker Payudara,” J. Matrik, vol. 15, no. 2, p. 17, 2017.

[14]    M. R. Kumaseh, L. Latumakulita, and N. Nainggolan, “Segmentasi Citra Digital Ikan Menggunakan Metode Thresholding,” J. Ilm. Sains, vol. 13, no. 1, p. 74, 2013.

[15]    D. U. Dewangga, A. Adiwijaya, and D. Q. Utama, “Identifikasi Citra berdasarkan Gigitan Ular menggunakan Metode Active Contour Model dan Support Vector Machine,” J. Media Inform. Budidarma, vol. 3, no. 4, p. 299, 2019.

[16]    A. Mu, “??No Title No Title,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2019.

[17]    N. B. Tsani and A. Rachman, “Implementasi Deteksi Tepi Canny Dengan Transformasi Powerlaw Dalam Mendeteksi Stadium Kanker Serviks,” J. Ilm. INTECH (Information Technol. Journal) UMUS, vol. 01, no. 01, pp. 22–33, 2019.

[18]    N. Nafi’iyah, “Algoritma Kohonen dalam Mengubah Citra  Graylevel Menjadi Citra Biner,” J. Ilm. Teknol. Inf. Asia, vol. 9, no. 2, pp. 49–55, 2015.

[19]    Johan Wahyudi and Ihdahubbi Maulida, “Pengenalan Pola Citra Kain Tradisional Menggunakan Glcm Dan Knn,” J. Teknol. Inf. Univ. Lambung Mangkurat, vol. 4, no. 2, pp. 43–48, 2019.

[20]    P. Tabaghi, I. Dokmani?, and M. Vetterli, “Kinetic Euclidean Distance Matrices,” IEEE Trans. Signal Process., vol. 68, pp. 452–465, 2020.

[21]    M. B. Ramadhyan and J. T. Elektro, “IDENTIFIKASI ANGKA BERDASARKAN METODE PRINCIPAL COMPONENT ANALYSIS MENGGUNAKAN,” 2020.

[22]    W. W. Widiyanto and D. Iskandar, “Algoritma Peningkatan Akurasi Deteksi,” no. November, pp. 1–8, 2019.

[23]    D. Riana, M. E. Plissiti, C. Nikou, D. H. Widyantoro, T. L. R. Mengko, and O. Kalsoem, “Inflammatory cell extraction and nuclei detection in pap smear images,” Int. J. E-Health Med. Commun., vol. 6, no. 2, pp. 27–43, 2015.