Implementasi Vision Transformer untuk Klasifikasi Citra Histopatologi Kanker Paru-Paru dengan Interpretasi Grad-CAM

Kanker paru merupakan salah satu penyebab kematian tertinggi di dunia, dan diagnosis histopatologi masih bergantung pada interpretasi manual yang berpotensi menimbulkan variabilitas. Penelitian bertujuan ini mengevaluasi performa Vision Transformer (ViT-B/16) dalam klasifikasi citra histopatologi kanker paru serta membandingkannya dengan arsitektur CNN ResNet50. Selain itu, penelitian ini bertujuan menganalisis penerapan Grad-CAM sebagai metode interpretabilitas pada kedua model, khususnya pada ViT yang memiliki struktur non-konvolusional. Dataset LC25000 digunakan dengan tiga kelas (Adenocarcinoma, Squamous Cell Carcinoma, dan normal) berjumlah total 15.000 citra. Proses penelitian meliputi pra-pemrosesan, augmentasi, pelatihan menggunakan 5-Fold Cross-Validation, evaluasi metrik (accuracy, precision, recall, F1-score, AUC), serta analisis GradrnCAM. Hasil menunjukkan bahwa ViT-B/16 memberikan performa sempurna pada data uji dengan akurasi, precision, recall, F1-score, dan AUC sebesar 1.0000, tanpa kesalahan klasifikasi. ResNet50 memperoleh akurasi 0.9731 dengan beberapa misclassification. Grad-CAM pada ResNet50 menghasilkan heatmap lebih halus dan fokus pada detail mikro, sedangkan ViT menyorot area yang lebih luas dan konsisten pada pola diagnostik seperti struktur glandular dan keratinisasi. Meskipun heatmap ViT tampak lebih kasar, area penting yang disorot lebih relevan secara klinis. Penelitian ini menyimpulkan bahwa Vision Transformer unggul dalam performa dan interpretabilitas, serta lebih sesuai untuk analisis citra histopatologi kanker paru. Adaptasi Grad-CAM pada ViT berhasil mengatasi keterbatasan teknis dan memungkinkan visualisasi area penting yang mendukung transparansi model.