Klasifikasi Acute Lymphoblastic Leukemia pada Citra Sel Darah Berdasarkan Arsitektur CNN Lenet-5

ABSTRAKrnAcute Lymphoblastic Leukemia (ALL) merupakan proses mutasi sel progenitorrnlimfoid secara abnormal pada sumsum tulang, darah serta situs ekstramedulerrnlainnya. Pemeriksaan secara visual dilakukan dengan mengamati morfologi selrnlimfoblas untuk mengidentifikasi limfoblas pada sel darah yang dianalisis. Deteksirndini ALL perlu dilakukan mengingat perkembangannya yang cepat dan berakibatrnfatal jika tidak segera mendapatkan tindakan, hal ini juga berguna untuk menetukanrnpengobatan yang efektif. Prosedur otomatis untuk mendukung pemeriksaan medisrntekah dilakukan untuk membantu skrining ALL menggunakan metode identifikasirndengan mengolah dan menganalisis bagian peripheral blood-smear. Padarnpenelitian ini diusulkan metode dalam mengklasifikasikan citra sel darah yangrndidalamnya terdapat sel ALL dan sel normal atau non-ALL. Citra sel darah putihrnakan melalui tahap augmentasi citra. Proses klasifikasi dilakukan menggunakanrnmetode Convoluional Neural Network (CNN) arsitektur LeNet-5. Penelitian inirnmenggunakan dataset ALL-IDB2 dengan 2 kelas yaitu sel ALL dan sel non-ALLrndengan total sebanyak 260 data citra sebelum proses augmentasi citra. Berdasarkanrnhasil percobaan yang dilakukan, didapatkan model menggunakan fungsi optimasirnAdam yang memiliki performansi terbaik didapatkan model dengan akurasirn90,38%, loss 0,2589, presisi 89,24%, recall 91,31% dan f1-score 89,93%. Hasilrntersebut dapat dicapai pada model dengan menerapkan konfigurasi parameterrnlearning rate bernilai 0.001, epoch sebesar 150, dan batch size berjumlah 32.