KLASIFIKASI CITRA ACUTE LYMPHOBLASTIC LEUKEMIA (ALL) MENGGUNAKAN ARSITEKTUR INCEPTION-V3

Kanker anak-anak telah menjadi masalah kesehatan bagi masyarakat global dengan prevalensi meningkat dari tahun ke tahun tidak terkecuali di Indonesia sendiri. Di Indonesia tingkat kelangsungan hidup 5 tahun terbilang sangat rendah, hasil terburuk anak-anak yang menderita ALL dalam lower-middle-income (LMIC) disebabkan oleh diagnosis yang tidak memadai dan terlambat, serta akses terhadap perawatan pendukung yang tidak mencukupi. Agar lebih efektif dalam mengobati anak-anak penderita ALL, para ahli onkologi pediatrik melakukan diagnosis sejak dini. Pada penelitian ini, dibentuk suatu sistem klasifikasi citra mikroskopis sel darah putih untuk mendiagnosis penyakit leukemia secara otomatis dengan menggunakan arsitektur Inception-V3. Proses transfer learning dilakukan untuk mendapatkan hasil akurasi terbaik dan efisien. Dilakukan pula proses uji coba nilai hyperparameter sistem untuk meningkatkan kinerja Inception-V3 dalam klasifikasi citra penyakit leukemia. Uji coba yang dilakukan diantaranya yaitu nilai learning rate, dan epoch. Hasil akurasi maksimal yang didapatkan pada uji coba yang dilakukan mendapatkan akurasi prediksi sebesar 88,56% dengan nilai epoch yang digunakan adalah 50 dan learning rate 10-6 pada data tidak seimbang, Sedangkan pada data seimbang dengan hasil akurasi sebesar 85,02% dengan nilai learning rate 10-6 dan epoch yang sama.