Analisis Fitur Warna untuk Klasifikasi Tingkat Keparahan Kanker Serviks

Abstract

Kanker serviks merupakan salah satu penyebab utama kematian perempuan secara global, sehingga deteksi dini sangat penting untuk menurunkan angka mortalitas. Penelitian ini mengevaluasi peran feature engineering berbasis warna pada citra kolposkopi dalam klasifikasi tingkat keparahan lesi serviks. Tiga ruang warna digunakan untuk ekstraksi fitur, yaitu Red-Green-Blue, Hue-Saturation-Value, dan CIELAB, pada citra tanpa segmentasi Region of Interest. Fitur yang diperoleh digunakan sebagai masukan pada tiga algoritma klasifikasi: Multi-Layer Perceptron, Support Vector Machine, dan Extreme Gradient Boosting. Evaluasi dilakukan menggunakan confusion matrix untuk menghitung akurasi, presisi, sensitivitas, dan F1-Score. Hasil menunjukkan bahwa penggabungan ketiga ruang warna memberikan performa terbaik, dengan Support Vector Machine mencapai akurasi 66% dan F1-Score 54%. Temuan ini menegaskan pentingnya representasi warna dalam meningkatkan kinerja klasifikasi lesi serviks dan mendukung pengembangan sistem pendukung keputusan berbasis komputer yang lebih akurat dan efisien.