SKRINING KANKER SERVIKS

DENGAN SISTEM PAKAR

KELOMPOK :
PATMASARI P102212001
NUR FATIMAH P102212002
ROSKYA SARI TIMUMUN P102212003
WINA FITRIA P10221200
SRI RAHAYU RISTANTI P10221200
 SKRINING KANKER SERVIKS DENGAN SISTEM PAKAR:
Literatur Review

Kanker serviks merupakan salah satu penyebab

Tujuan literatur review ini adalah untuk mengetahui
utama kematian wanita akibat kanker di dunia
berbagai jenis kecerdasan buatan dengan tingkat efisiensi
terutama di negara-negara berpenghasilan
dan akurasinya dalam mendeteksi kanker serviks.
rendah. Kanker serviks adalah jenis kanker di
mana pertumbuhan sel abnormal terjadi pada
lapisan permukaan serviks. Jumlah kasus kanker Metode yang digunakan yaitu dengan metode penelusuran

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

266.000. kriteria yang di inginkan.

 Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks

Output :

Metode ini diimplementasikan sebagai mesin dalam sistem

Penelitian Wahid & Al-Mazini (2020) :
prototipe yang disebut Sistem Deteksi Kanker Serviks
 Menemukan Alogaritma klasifikasi berbasis Ant-
Menunjukkan hasil yang baik pada keguanaan dan
Colony optimasi
fungsionalitasnya.
 Menganalisis kumpulan data pasien kanker serviks
menggunakan Ant-Meter. Kelebihan :

Mengungguli pendekatan sebelumnya

Menghasilkan akurasi klasifikasi kanker serviks yang
lebih tinggi Mendukung mesin vektor dalam domain yang sama

Lebih baik dalam hal akurasi klasifikasi data yaitu mencapai

90%
 Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks

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 yang diusulkan adalah kecerdasan buatanuntuk

memprediksi kanker serviks Kelebihan :

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
Penelitian Holmström, dkk.(2021).
Pembuatan sistem diagnostik untuk mendigitalkan
sampel uji Papanicolaou dan menganalisisnya
menggunakan sistem pembelajaran mendalam (DLS)
berbasis cloud dapat menyediakan skrining kanker
serviks yang diperlukan untuk area terbatas sumber
daya.
Apusan didigitalkan dengan pemindai slide portabel,
diunggah ke server cloud menggunakan ponsel jaringan,
dan digunakan untuk melatih dan memvalidasi DLS
untuk mendeteksi sel serviks atipikal.
Mikroskop digital dengan kecerdasan buatan
diimplementasikan di klinik pedesaan dan digunakan
untuk mendeteksi apusan serviks atipikal dengan
sensitivitas tinggi
Output:
Menujukkan bahwa deteksi atypia sel skuamosa dengan
teknologi itu layak, dengan sesitivitas tinggi 95,7% dan
spesifitasnya 84,7%, nilai prediksi negatifnya tinggi (99%-
100%) dan akurasinya tinggi terutama untuk deteksi lesi tingkat
tinggi
Kelebihan:
 Penelitian ini dengan sensitivitas tinggi dibandingkan dengan analisis
sampel visual.
 Pemanfaatan teknologi ini dapat mengurangi beban kerja analisis
sampel untuk mikroskop dan menyediaan platfom untuk patologi
digital tujuan umum, yang dapat diterapkan di daerah pedesaan.
 Teknologi ini dapat menciptakan peluang baru untuk memfasilitasi
diagnosis berbagai penyakit yang masih kurang terdiagnosis,
terutama di rangkaian sumber daya rendah
 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 :

 bisa menjadi suatu media informasi pengetahuan dan sarana

deteksi berdasarkan gejala dan keluhan

 Bagi orang awam bisa mendeteksi kondisi awal dari kanker

serviks secara mandiri dengan bantuan teknologi
 Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
output:
Penelitian Penelitian Jung Kweon Bae, Meng, Hyun-Jin Roh • berpotensi menjadi alat yang berguna untuk skrining kanker
serviks di negara berpenghasilan rendah dan menengah .
(2020)
• Sistem endoskopi berbasis smartphone adalah metode
penyaringan yang sederhana dan kuat yang dapat dilakukan
 mendemonstrasikan teknik skrining Cancer cerviks
di luar kantor tanpa batasan biaya, mobilitas, dan listrik .
kuantitatif baru dengan menerapkan algoritma pembelajaran

mesin untuk endoskopi IVA berbasis smartphone

 Metode ini dapat memberikan gambar digital serta
klasifikasi diagnostik otomatis untuk umpan balik yang
komprehensif dan intuitif kepada dokter
Kelebihan:
Skrining serviks berbasis smartphone telah terbukti layak dan
divalidasi untuk jaminan kualitas di rangkaian sumber daya
rendah

menghasilkan akurasi 80,8%, spesifisitas,84,1%, dan sensitivitas 71,9%.

 Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks

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 :

 Hampir semua algoritma efisien dalam mendeteksi sel

Penelitian yang dilakukan oleh (Gupta et all., 2017) :
kanker dengan tingkat efisensi sekitar 69% sampai 76%.
 Menganalisis sel dengan mikroskop digital
 Multiple Backpropagation lebih efisien dengan tingkat
 Mewarnai sel dengan Teknik papanicolau efisensi sekitar 78,0%

 Menganalisis sel dengan lima belas algoritma yang

Kelebihan :
berbeda
Lebih efektif dan efisien untuk skrining kanker serviks
tingkat massal
 Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks

Penelitian yang dilakukan oleh Ijaz, Attique, and
Son, (2020) :
 Menggunakan model outlier dan over sampling
Output :
Hasil menunjukkan bahwa kombinasi iForest dengan SMOTE
dan SMOTETomek dapat memberikan hasil yang lebih baik
dalam hal sensitivitas, spesivitas, skor dan akurasi dalam

dengan membandingkan empat kombinasi diagnosis kanker serviks daripada kombinasi DBSCAN dengan
SMOTE dan SMOTETomek.
skenario

 Dataset - database - feature extraction

Kelebihan :
 Mendeteksi sel dengan metode DBSCAN dan
Deteksi kanker serviks menggunakan 4 jenis tes yaitu tes
iForest dan mengkombinasikan dengan metode
Biopsi, Schiller, Hinselmann dan Sitologi dan bisa
SMOTE dan SMOTETomek
mendeteksi dengan sampel yang banyak.
 Kesimpulan

 Pengunaan system pakar sangat membantu tenaga ahli dalam

diagnostic dini penyakit khususnya dalam hal ini kanker serviks.

 Penggunaan sitem pakar lebih efektif dan lebih efisien sehingga

lebih memudahkan dalam skrining kanker serviks tingkat massal.

Saran
 Untuk peggunaan system pakar dalam mendeteksi kanker di harapkan
bukan saja hanya mendeteksi kanker serviks tetapi juga dapat mendeteksi
kanker-kanker lain

 Untuk tenaga ahli khususnya dokter disarankan untuk mengikuti

pelatihan terkait penggunaan system pakar tersebut sehingga tidak perlu
melibatkan ahli teknologi/komputer .

 Disarankan untuk menambah program pada system pakar terkait analaisis

factor resiko kanker serviks
TERIMAKASIH