Optimisasi Virtual Geometry Group Untuk Klasifikasi Citra Digital Pada Kanker Serviks

Abstract

Optimisasi Jaringan Virtual Geometry Group untuk Klasifikasi Kanker Serviks ini membahas tentang pengembangan jaringan VGG terhadap pengklasifikasian histogram kanker serviks. Penelitian ini bertujuan untuk membuat arsitektur jaringan VGG terhadap pengklasifikasian kanker serviks sebagai alat bantu bagi para peneliti citra gambar untuk mendapatkan arsitektur yang optimal dalam mengenali multi kelas berbagai objek citra digital. Citra gambar yang dijadikan objek penelitian adalah histogram kanker serviks. Penelitian ini dimulai dengan melakukan 3 percobaan untuk menentukan detail parameter yang digunakan. Sebagai landasan yaitu convolutional layer dengan parameter Epoch, dropout, jumlah FC untuk mendapatkan hasil berupa data akurasi, presisi, recall dan CPU Time. Digunakan 3 model percobaan yaitu model 1 modified VGG, model 2 yaitu kombinasi modified VGG dengan V3 inception, dan model 3 yaitu VGG 16 Original. Percobaan terbaik didapatkan dari Epoch 30, dropout 0.2 dan FC 2 layer.