INTEGRASI TRANSFER LEARNING EFFICIENTNET-B3 DENGAN METODE EXPLAINABLE AI UNTUK KLASIFIKASI ACUTE LYMPHOBLASTIC LEUKEMIA (ALL)

ABSTRAKrnLeukemia merupakan penyakit keganasan darah yang berfokus pada gangguan pembentukan sel di sumsum tulang dan limfosit. Di antara berbagai jenisnya, Acute Lymphoblastic Leukemia (ALL) menjadi varian yang paling sering menyerang anak-anak, yang ditandai dengan proliferasi sel limfoblas abnormal yang menghambat produksi sel darah sehat. Metode diagnosis konvensional melalui pengamatan mikroskopis hingga kini masih memiliki keterbatasan, terutama terkait durasi analisis yang lama serta adanya subjektivitas atau variasi penilaian antar tenaga medis. Penelitian ini mengusulkan solusi berbasis kecerdasan buatan menggunakan arsitekturr Transfer Learning EfficientNetB3 dengan integrasi bobot pelatih ImageNet yang telah disesuaikan melalui proses fine-tuning. Untuk menjamin transparansi sistem, metode Explainable Artificial Intelligence (XAI) diterapkan guna memvisualisasikan area sel yang paling krusial dalam proses pengambilan keputusan klasifikasi.rnHasil evaluasi menunjukkan bahwa model mencapai performa yang sangat tinggi dengan akurasi 99,23% dan presisi 99,23%. Berdasarkan pengujian matrixs fungsional XAI, metode Score-CAM menunjukkan tingkat keandalan paling optimal dengan nilai deletion rata-rata terendah sebesar 35,55% dan insertion rata-rata sebesar 48,23%. Capaian ini menegaskan bahwa fitur-fitur morfologi yang diidentifikasi oleh model memiliki relevansi klinis yang kuat terhadap karakteristik sel limfoblas, sehingga sistem ini layak dipertimbangkan sebagai alat bantu pendukung keputusan bagi tenaga medis dalam diagnosis ALL.