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
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Output :
Penelitian yang dilakukan oleh (William et al.,
Mampu menganalisis slide pap-smear penuh dalam
2019)
waktu 3 menit
Analisis slide pap smear otomatis Analisis
Akurasi, sensitivitas dan spesifisitas klasifikasi pada
slide pap smear otomatis untuk mendeteksi
slide pap-smear penuh masing-masing adalah
kanker serviks menggunakan algoritma C-
95,00%, 100% dan 90,00%.
means fuzzy dengan tiga dataset.
Kelebihan :
Sel serviks di identifikasi oleh ahli sitologi
Mengefisienkan waktu dengan menganalisis slide
menggunakan skema eliminasi sekuensial tiga
pap-smear penuh dengan cepat
fase
Memiliki sensisitifitas yang tinggi terhadap sel
kanker serviks
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
Output :
Menganalisis sel dengan Teknik papanicolau Lebih efektif dan efisien untuk skrining massal kanker
Mendeteksi sel dengan lima belas algoritma yang serviks tingkat massal
berbeda
Hasil dan Pembahasan : Sistem Pakar Untuk Skrining Kanker Serviks
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