| Penelitian ini menyajikan analisis tekstur dan klasifikasi citra sel pap smear. Pada analisis tekstur difokuskan pada citra nukleus sel Pap smear, metode yang digunakan adalah metode Gray Level Co-occurrence Matrix (GLCM) dengan menggunakan lima parameter yaitu korelasi, energi, homogenitas dan entropi ditambah dengan menghitung nilai Brightness pada citra yang diproses. Citra yang digunakan dalam penelitian ini menggunakan data citra Harlev, yang terdiri dari 280 citra yang sudah dikategorikan ke dalam 7 kelas yaitu 3 kelas sel normal yang meliputi Normal Superficial, Normal Intermediate, and Normal Columnar dan 4 kelas lainnya adalah kategori kelas citra sel abnormal yang meliputi Mild (Light) Dyplasia, Moderate Dysplasia, Severe Dysplasia dan Carcinoma In Situ. Berdasarkan hasil pengolahan citra yang menghasilkan nilai matriks dari setiap parameter yang dihitung, citra sel Pap smear akan diklasifikasikan menurut jenisnya normal atau abnormal dan berdasarkan kelasnya dengan menggunakan decision tree yang diolah dengan algoritma clasifier J48 pada aplikasi weka. Untuk akurasi yang dihasilkan dari klasifikasi sel normal dan abnormal adalah 73% dan untuk akurasi klasifikasi tujuh kelas adalah 34,3%. |
