KLASIFIKASI SEL SERVIKS PADA CITRA PAP SMEAR BERDASARKAN FITUR BENTUK DESKRIPTOR REGIONAL DAN FITUR TEKSTUR UNIFORM ROTATED LOCAL BINARY PATTERN

Abstract

Perubahan orientasi objek pada saat akuisisi memerlukan metode ekstraksi fitur yang invariant terhadap rotasi. Ekstraksi fitur tekstur yang telah digunakan dalam kombinasi fitur sebelumnya untuk klasifikasi sel serviks pada dataset Herlev antara lain homogenitas GLCM dan Local Binary Pattern Histogram Fourier (LBP-HF). Namun perhitungan GLCM sensitif terhadap rotasi dan transformasi fourier LBP-HF mengabaikan penataan struktur histogram dengan hanya mempertimbangkan magnitude spektrum transformasi sehingga kehilangan beberapa informasi diskriminatif dan informasi frekuensi citra.

Penelitian ini mengusulkan kombinasi fitur bentuk deskriptor regional dan fitur tekstur Uniform Rotated Local Binary Pattern (uRLBP). uRLBP merupakan metode ekstraksi fitur yang dapat mengatasi kelemahan metode tekstur sebelumnya dengan mengatur arah referensi lokal yang dapat mempertahankan informasi orientasi lokal dan informasi diskriminatif citra sehingga mencapai invariant terhadap rotasi. Pengujian dilakukan dengan membandingkan hasil klasifikasi metode yang diusulkan dengan metode pada penelitian sebelumnya dalam melakukan klasifikasi sel serviks pada citra pap smear.

Hasil pengujian menunjukkan bahwa metode yang diusulkan mampu mengklasifikasikan sel serviks lebih optimal dibandingkan metode kombinasi fitur bentuk & fitur tekstur homogenitas GLCM dan metode kombinasi fitur bentuk & fitur tekstur LBP-HF. Nilai akurasi menggunakan metode klasifikasi Fuzzy k-NN adalah 91.59% untuk dua kategori sel dan 67.89% untuk tujuh kelas sel.