serviks pada tahun 2012 yang dilaporkan oleh artikel jurnal di database sciences dari Google Scholar
Organisasi Kesehatan Dunia (WHO) adalah dengan menggunakan kata kunci sesuai topik yang relevan
528.000 dan jumlah kematian sama dengan dan didapatkan sebanyak 10 jurnal yang sesuai dengan
Output :
Output :
Penelitian yang dilkukan oleh Nikookar, Naderi&Rahnavard
(2020) : Penggabungan fitur ini dapatditerapkan di sistem Computer
Aided Diagnosis (CAD)
Menggabungkan fitur yang di ektraksi dari tiga kolposkopi
yang berbeda gambar dan menggabungkan penilaian subjektif Telah meningkatkan kualitas system prediksi kanker secara
para ahli serta pengguna serta pengklasifikasian asamble signifikan.
Model penggabungan ini juga dapat digunakansebagai strategi Lebih baik dibandingkan dengan metode yang tersedia
pengambilan keputusan klinis yang mendukung dengan sebelumnya yang menyediakan skrining lanjutan dan metode
memberikan lebih banyak informasi yang dapat dipercaya pradiagnosis untuk deteksi awal kanker serviks.
kepada pembuat keputusan klinis dalam hal ini adalah dokter Sensitivitas mencapai 90% dan spesifitas mencapai 94%
spesialis.
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Output :
Penelitian yang dilakukan oleh Suleman et.al (2019) :
Membuat Aplikasi Sistem Pakar untuk mendeteksi secara dini Aplikasi ini dapat digunakan sebagai media alternative untuk
melakukan identifikasi dan deteksi awal penyakit kanker serviks
kanker serviks
.
Dalam proses pembuatan aplikasi ini menggunakan desain
UML (Unified Modelling Language) dan Flowchart serta dalam
perancangannya menggunakan metode Naïve Bayes Classifier
Kelebihan :
Terdiri dari beberapa tampilan menu, yaitu : Pengenalan tentang
kanker serviks, penyebab, Gejala, Cara pencegahan dan pengobatannya, Karena berbasis android maka bisa digunakan melalui
diagnosa deteksi dini kanker serviks serta video himbauan tentang kanker smartphone sehingga dapat diakses siapapun dan dimanapun.
serviks
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Output:
Penelitian Tanimu, JJ.,dkk (2021).
DT dengan fitur yang dipilih dan SMOTETomek
Penelitian ini menggunakan model DT, SMOTETomek dengan memiliki hasil yang lebih baik dengan akurasi 98%,
sensitivitas 100%, dan spesifisitas 97%.
teknik Recursive Feature elimination telah memberikan model
prediksi yang lebih andal utuk mengklasifikasikan kanker
serviks dengan menggunakan data pasien dengan tes skrining
awal mereka.
Kelebihan :
Tujuan utama dari penelitian ini adalah untuk mengusulkan
model prediksi kanker serviks bernama model Machine Eksperimen menunjukkan penigkatan yang signifikan
dalam model yang diusulkan jika dibandingkan dengan
Learning baru untuk klasifikasi kanker serviks menggunakan
model terbaru lainnya.
DT dengan penghapusan Fitur Rekursif, yang dapat digunakan
Pengklasifikasi Pohon Keputusan terbukti memiliki
untuk memprediksi pasien dengan penyakit fatal ini secara kinerja yang sangat baik dalam menangani penugasan
akurat. klasifikasi ketika fitur-fiturnya dikurangi, dan masalah
ketidakseimbangan kelas diatasi
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
output ;
penelitian chalifa chaszar dan Virendra septiyanto (2018)
Mampu memberikan gambaran berupa diagnosis awal
Metode forward chaining digunakan untuk menyususn
mengenai kanker serviks
meknisme inferensi berbasis aturan
Aplikasi ini juga memberikan pengetahuan tentang hal-hal
Aplikasi ini dibangun dengan tujuan untuk membantu
yang berhubungan dengan kanker serviks
masyarakat Indonesia dalam memberikan gambaran diagnose
awal penyakit kanker serviks
kelebihan :
Output :
Penelitian yang dilakukan oleh (William et all.,
Mampu menganalisis slide pap-smear penuh dalam
2019)
waktu 3 menit
Analisis slide pap smear otomatis untuk
Akurasi, sensitivitas dan spesifisitas klasifikasi pada
mendeteksi kanker serviks menggunakan
slide pap-smear penuh masing-masing adalah
algoritma C-means fuzzy dengan tiga dataset.
95,00%, 100% dan 90,00%.
Sel serviks di identifikasi oleh ahli sitologi
Kelebihan :
menggunakan skema eliminasi sekuensial tiga
Mengefisienkan waktu dengan menganalisis slide
fase
pap-smear penuh dengan cepat
Carcinoma in situ, Mild squamous, Moderate
Memiliki sensisitifitas yang tinggi terhadap sel
squamous, dan Severe.
kanker serviks
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Output :
Output :
Penelitian yang dilakukan oleh Ijaz, Attique, and
Son, (2020) : Hasil menunjukkan bahwa kombinasi iForest dengan SMOTE
dan SMOTETomek dapat memberikan hasil yang lebih baik
Menggunakan model outlier dan over sampling dalam hal sensitivitas, spesivitas, skor dan akurasi dalam
dengan membandingkan empat kombinasi diagnosis kanker serviks daripada kombinasi DBSCAN dengan
SMOTE dan SMOTETomek.
skenario
Saran
Untuk peggunaan system pakar dalam mendeteksi kanker di harapkan
bukan saja hanya mendeteksi kanker serviks tetapi juga dapat mendeteksi
kanker-kanker lain