Implementasi Model Arsitektur VGG-19 Dalam Mengklasifikasi Kanker Serviks Melalui Citra Pemeriksaan Pap Smear

Kanker serviks adalah salah satu jenis kanker yang mengancam Kesehatan Wanita diseluruh dunia, termasuk di Indonesia. Infeksi Human Papillomavirus (HPV), menjadi penyebab utama kanker serviks, yang seringkali tidak terdeteksi pada tahap awal. Penelitian ini menggunakan model arsitektur VGG-19 untuk membantu dalam klasifikasi kanker serviks karena interpretasi manual visual dari gambar pap smear memiliki keterbatasan, seperti kemungkinan kesalahan dan waktu yang lama. Dalam penelitian ini model VGG-19 telah dioptimalkan dengan augmentasi data. Dataset yang digunakan dalam penelitian ini diambil dari situs Kaggle dengan judul “Cervical Cancer largest dataset (SipakMed)” dengan jumlah 4049 gambar yang dibagi menjadi data train, validation, test dengan perbandingan 80:10:10. Augmentasi data dilakukan untuk meningkatkan keberagaman dan kualitas dataset. Evaluasi model menunjukkan bahwa akurasi klasifikasi mencapai 92% dengan precision, recall, dan F1-score yang cukup tinggi pada beberapa kelas. Berdasarkan hasil tersebut, metode arsitektur VGG-19 dapat membantu klasifikasi gambar pap smear dengan baik dan dapat menjadi solusi untuk deteksi kanker serviks yang lebih cepat dan akurat.