IDENTIFIKASI LEUKIMIA PADA CITRA SEL DARAH PUTIH MENGGUNAKAN CNN

Mulya, Rizki Firdaus (2023) IDENTIFIKASI LEUKIMIA PADA CITRA SEL DARAH PUTIH MENGGUNAKAN CNN. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

[img] Text (THESIS)
21.51.2111 Rizki Firdaus Mulya.pdf
Download (3MB)

Abstract

Perkembangan teknologi di bidang kesehatan telah memungkinkan dalam melakukan deteksi penyakit leukemia melalui analisis citra dari sel darah putih. Salah satu jenis leukemia yang paling umum terjadi pada anak-anak adalah Acute Lymphoblastic Leukemia (ALL). Deteksi ALL melalui analisis citra sel darah putih dapat membantu dalam prognosis dan perawatan yang tepat. Dalam penelitian ini, penulis mengusulkan pendekatan untuk klasifikasi ALL berdasarkan citra sel darah putih menggunakan model Convolutional Neural Network (CNN) bernama InceptionV3 dan VGG19. Dataset yang digunakan dalam penelitian ini terdiri dari citra sel darah putih terhadap kasus ALL yang memiliki 15.135 gambar dari 118 pasien yang berlabel normal cell dan leukemia blast. Citra-citra tersebut diperoleh dari The Cancer Imaging Archive (TCIA) yang merupakan layanan untuk menyimpan gambar medis kanker besar yang tersedia untuk umum. Selama tahap evaluasi, penulis menggunakan metrik evaluasi data latih seperti akurasi, dan loss untuk mengukur kinerja model. Selain itu dalam melakukan validasi, penulis menggunakan K-Fold Cross Validation untuk mengukur sejauh mana model tersebut dapat digeneralisasi ke data baru yang belum pernah dilihat sebelumnya. Hasil penelitian menunjukkan bahwa model InceptionV3 mampu mengklasifikasikan citra sel darah putih dengan tingkat akurasi yang tinggi. Model ini mencapai akurasi pengenalan ALL rata-rata sebesar 0.9741 dengan loss sebesar 0.0982. Penggunaan model CNN seperti InceptionV3 dalam analisis citra medis memiliki potensi dalam mengenali pola dan objek pada skala yang berbeda dengan lebih baik. Ini menunjukkan bahwa InceptionV3 memiliki potensi untuk meningkatkan efisiensi dan akurasi diagnosis penyakit berbasis citra dengan hasil tingkat akurasi yang tinggi.

Item Type: Thesis (S2 - Magister)
Contributor:
Pembimbing
Utami, Ema
Ariatmanto, Dhani
Uncontrolled Keywords: Acute Lymphoblastic Leukemia, Convolutional Neural Network, Deep Learning, InceptionV3, VGG19
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Pascasarjana Magister Informatika > Magister Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 24 Mar 2025 05:02
Last Modified: 24 Mar 2025 05:02
URI: http://eprints.amikom.ac.id/id/eprint/29074

Actions (login required)

View Item View Item