KLASIFIKASI PENYAKIT ACUTE LYMPHOBLASTIC LEUKEMIA (ALL) PADA CITRA MIKROSKOPIS DARAH MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN K-NEAREST NEIGHBOR (KNN)

Acute Lymphoblastic Leukemia (ALL) adalah kanker darah yang menyerang sel darah putih dan dapat menyebar cepat ke seluruh tubuh. Deteksi dini dan akurat sangat penting untuk meningkatkan peluang kesembuhan pasien. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi ALL pada citra mikroskopis darah menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur, serta algoritma K-Nearest Neighbor (KNN) untuk klasifikasi. Ekstraksi fitur dilakukan dengan GLCM untuk memperoleh nilai contrast, homogeneity, energy, correlation, dan Angular Second Moment (ASM), yang selanjutnya digunakan sebagai input pada KNN. Uji coba dilakukan pada citra berukuran 64×64, 128×128, dan 256×256 piksel dengan parameter nilai k 3, 5, dan 7. Percobaan menunjukkan bahwa peningkatan resolusi citra berpengaruh terhadap performa model. Performa terbaik diperoleh pada ukuran citra 256×256 piksel dan nilai k 7, menghasilkan akurasi sebesar 81% dan F1-score untuk kelas ALL sebesar 87%. Selain itu, pengujian dengan berbagai rasio train-test (70:30, 80:20, dan 90:10) menunjukkan akurasi model tetap stabil di 81%, meskipun rasio train-test memengaruhi distribusi data uji dan data latih. Hasil ini menunjukkan bahwa kombinasi metode GLCM dan KNN mampu memberikan performa yang baik dalam mengklasifikasikan citra darah mikroskopis, serta berpotensi untuk diterapkan sebagai sistem pendukung keputusan medis dalam membantu diagnosis dini penyakit ALL.