KLASIFIKASI KANKER PARU-PARU MENGGUNAKAN VISION TRANSFORMERS (VIT)

Klasifikasi kanker paru berbasis citra medis memiliki peran penting dalam menunjang diagnosis dini dan pemantauan perkembangan penyakit. Metode konvensional seperti pemeriksaan manual citra histopatologi, CT scan, atau X-ray memiliki keterbatasan dalam hal subjektivitas interpretasi dan waktu analisis yang lama. Vision Transformer (ViT), sebagai arsitektur deep learning berbasis mekanisme self-attention, menawarkan keunggulan dalam memahami relasi spasial antar fitur secara lebih efektif dibandingkan pendekatan berbasis CNN. Penelitian ini mengadopsi pendekatan CRISP-DM yang mencakup enam tahap: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Dataset LC25000 digunakan dengan tiga kelas utama, yaitu lung adenocarcinoma, lung squamous cell carcinoma, dan lung benign tissue, masing-masing terdiri dari 5000 citra. Seluruh citra diubah ukurannya menjadi 224 piksel dan dibagi menjadi data latih dan uji dengan rasio 80:20. Model dilatih menggunakan TensorFlow dengan konfigurasi hyperparameter berupa learning rate 0.0001, batch size 16, dan 50 epoch. Hasil evaluasi menunjukkan bahwa model mencapai akurasi keseluruhan sebesar 98%, dengan nilai rata-rata precision, recall, dan F1-score sebesar 0.98. Model menunjukkan performa sempurna pada kelas lung benign tissue dengan precision, recall, dan F1-score sebesar 1.00, serta F1-score sebesar 0.97 pada kelas lung adenocarcinoma dan lung squamous cell carcinoma.