Kanker servik yang juga dikenal dengan istilah kanker leher rahim merupakan salah satu dari jenis kanker yang paling umum diderita oleh wanita. Kanker ini dapat disembuhkan apabila kanker ini terdeteksi pada stadium awal dan diberikan perawatan yang sesuai. Salah satu cara untuk mencegah kanker servik agar tidak memasuki stadium lebih lanjut adalah dengan melakukan Pap Smear Test. Namun untuk melakukan Pap Smear Test diperlukan tingkat akurasi yang sangat tinggi, sehingga diperlukan tenaga ahli patologi untuk melakukannya. Penelitian ini dilakukan dengan harapan dan tujuan untuk mengembangkan metode segmentasi secara otomatis yang memberikan hasil segmentasi dengan cukup baik. Metode segmentasi yang digunakan dalam penelitian ini adalah fuzzy c-means clustering. Proses pengenalan sel kanker yang dilakukan melalui beberapa tahapan proses yakni, penyeragaman intensitas keabuan, ekstraksi ciri, segmentasi daerah sel, deteksi sel tunggal, dan diakhiri dengan pengenalan kategori normal atau abnormal dari sel tersebut. Penelitian demi penelitian telah dilakukan untuk mendapatkan metode segmentasi yang optimal untuk melakukan pendeteksian sel kanker. Penelitian Titin Farida merupakan salah satu penelitian yang menerapkan metode segmentasi fuzzy cmeans clustering. Namun pada penelitian Titin Farida metode segmentasi yang digunakan masih bersifat semi-otomatis. Hal ini menyulitkan pengguna, karena pengguna harus menentukan parameter yang sesuai dengan karakteristik sel. Penelitian ini hendak melakukan modifikasi terhadap metode segmentasi ini agar dapat bekerja secara otomatis dan relatif lebih optimal. Penulis melakukan adaptasi terhadap penelitian Theera, dkk. dan Titin Farida dalam menerapkan metode segmentasi fuzzy c-means clustering. Untuk proses otomatisasi terhadap proses segmentasi, penulis mendapatkan inspirasi dari penelitian M.E Plissiti, dkk. Penulis melakukan perbandingan performa antara hasil yang didapatkan oleh penulis dengan hasil citra tersegmentasi Titin Farida dengan membandingkan tingkat akurasi dari citra tersegmentasi terhadap citra acuan Jan Jantzen, dkk. Untuk mengukur kinerja dari metode segmentasi, pada penelitian ini digunakan pengukuran numerik false negative, false positive, overall error dan probability of error atas pengidentifikasian daerah nukleus dan sitoplasma. Selain itu, penulis juga melakukan perbandingan hasil klasifikasi citra tersegmentasi penulis dengan citra tersegmentasi Titin Farida menggunakan metode klasifikasi ANFIS yang telah berhasil diimplementasikan oleh Ratih Amalia. Hasil ujicoba yang dilakukan dengan melakukan proses otomatisasi terhadap metode segmentasi fuzzy c-means clustering memberikan hasil yang menjanjikan dan menunjukkan perbaikan yang cukup baik. Hasil yang diperoleh pada penelitian ini mampu memberikan kinerja yang relatif lebih baik dibandingkan dengan metode segmentasi penelitian Titin Farida. Untuk hasil ujicoba klasifikasi, hasil klasifikasi citra tersegmentasi penulis memberikan hasil yang memiliki tingkat akurasi sama baiknya untuk 2-class problem, namun sedikit lebih buruk terhadap 7-class problem. xii + 77 hal.; 20 gambar.; 15 tabel.; 4 grafik; Lampiran A; Lampiran B; Lampiran C Bibliografi: 17 (1999-2007)