<![CDATA[Kanker serviks merupakan salah satu penyakit yang menyebabkan kematian terbanyak pada wanita di seluruh dunia. Angka kematian ini disebakan kekurangnya kesadaran terhadap infeksi dan tidak adanya gejala awal yang jelas, sehingga penderita baru menyadari kondisi mereka sudah pada tahap lanjut yang lebih sulit untuk diobati. Dengan hal itu, diagnosis dini merupakan hal yang sangat penting tapi karena kurangnya tenaga medis yang terlatih menjadi masalah serius dalam diagnosis, terutama di wilayah dengan sumber daya kesehatan terbatas. Berdasarkan penelitian sebelumnya, metode Deep Learning telah digunakan untuk mendeteksi kanker serviks tapi memiliki akurasi yang kurang baik. Pada penelitian ini, mengunakan model EfficientNetV2 karena terbukti bisa mendeteksi gambar dengan kinerja dan efektivitas yang baik. Dataset terdiri dari 5 kelas dengan jumlah 5.000 gambar terbagi menjadi 3.000 data latih, 1.000 data validasi, dan 1.000 data uji. Hasilnya adalah Model EfficientNetV2-Large memiliki akurasi tertinggi sekitar 0.999. Perhitungan matriks evaluasi dari Model EfficientNetV2-Large memiliki nilai yang paling baik yaitu 0.998. Tapi didapatkan waktu Komputasi EfficientNetV2-Large terlama dan Model EfficientNetV2-B0 memiliki waktu komputasi tercepat dengan 198 detik. Secara keseluruhan, semua Model EfficientNetV2 menunjukkan kinerja baik yang mana memiliki kemampuan untuk memprediksi jenis sel kanker dengan baik.]]>
Copyrights © 2023
