KOMPARASI ALGORITMA LDA DAN NAÏVE BAYES DENGAN OPTIMASI FITUR UNTUK KLASIFIKASI CITRA TUNGGAL PAP SMEAR

Yudi Ramdhani
2016 Jurnal Informatika  
- Cervical cancer is the growth of a group of abnormal cells on the cervix (cervical). According to the WHO (2003), Indonesia is a country with cervical cancer the number one in the world. Algorithm applied in image classification algorithm using the Pap Smear Linear Discriminant Analysis (LDA) and Naïve Bayes algorithm, Genetic Algorithm uses feature selection. The results obtained using the LDA algorithm and Naïve Bayes algorithm do comparisons, the results obtained that the LDA algorithm
more » ... e LDA algorithm better than the Naïve Bayes algorithm for image classification is a Pap Smear. The results of the classification into 7 classes have the highest value 62,92% while for the highest classification in the classification of the image of a Pap Smear with 95,87% accuracy rating, there are still difficulties for the classification of Abnormal (4, 5, 6, 7) and the value of accuracy 60,15%. The low accuracy against abnormal class affects the classification into 7 classes. Key Words: Cervical Cancer, Pap Smears, Linear Discriminant Analysis (LDA), Naïve Bayes, Genetic Algorithm. ABSTRAKSI - Kanker serviks merupakan pertumbuhan dari suatu kelompok sel yang tidak normal pada serviks (mulut rahim). Menurut WHO (2003) Indonesia merupakan negara dengan penderita kanker mulut rahim nomor satu di dunia. Algoritma yang diterapkan dalam klasifikasi citra Pap Smear menggunakan algoritma Linear Discriminant Analysis (LDA) dan algoritma Naïve Bayes, seleksi fitur menggunakan Genetic Algorithm. Hasil yang diperoleh menggunakan algoritma LDA dan algoritma Naïve Bayes dilakukan komparasi, hasil yang diperoleh bahwa algoritma LDA lebih baik dibandingkan dengan algoritma Naïve Bayes untuk klasifikasi citra Pap Smear. Hasil klasifikasi ke dalam 7 kelas memiliki nilai tertinggi 62.92% sedangkan untuk klasifikasi tertinggi pada klasifikasi citra Pap Smear dengan nilai akurasi 95.87% tetapi masih terdapat kesulitan untuk klasifikasi Abnormal (4,5,6,7) dengan nilai akurasi 60.15%. Akurasi yang rendah terhadap kelas abnormal mempengaruhi klasifikas [...]
doaj:c38944554d58499cb6f0b8ea5dea1880 fatcat:ue47mj3xe5efvboex62gv2ojz4