<![CDATA[Menurut Kementerian Kesehatan Republik Indonesia, kanker serviks memiliki kasus sebesar 23,4 per 100.000 penduduk pada tahun 2018. Tingkat prevalensi angka kejadian yang cukup tinggi tersebut tentunya menyulitkan baik pihak pemerintah dan masyarakat dalam upaya pencegahan dan pengendalian kanker. Pada penelitian ini, kami menggunakan model convolutional neural network dengan arsitektur AlexNet untuk mengklasifikasikan gambar dari sel kanker serviks. Model ini terdiri atas 3 lapisan konvolusi, 3 lapisan ReLu, 2 lapisan pooling, dan 3 lapisan fully-connected yang akan mengklasifikasi gambar input serviks menjadi 3 tipe kanker melalui fungsi aktivasi softmax. Dataset yang digunakan merupakan dataset standar yaitu dataset Intel & MobileODT Cervical Cancer Screening. Pengujian model AlexNet dilakukan terhadap parameter iterasi (epoch), subset data training untuk mengupdate bobot AlexNet (minibatch), laju pembelajaran (learning rate), dan resolusi gambar input yang digunakan sebagai patch pembelajaran AlexNet. Dari hasil eksperimen didapati bahwasanya akurasi sangat dipengaruhi oleh jumlah iterasi dari proses pembelajaran model, dimana hasil akurasi terbaik diberikan pada epoch 300. Selain itu, waktu komputasi yang dibutuhkan berbanding lurus dengan jumlah iterasi. Menariknya, parameter lain dari arsitektur model AlexNet seperti minibatch, learning rate, dan resolusi gambar input tidak memberikan pengaruh yang signifikan atau bahkan justru membuat network gagal meningkatkan performanya. Hal ini menunjukkan model AlexNet masih memerlukan modifikasi baik dari segi arsitektur maupun optimisasi terhadap hyperparameter selain dari yang telah diuji pada penelitian ini.]]>
Copyrights © 2021
