PERBANDINGAN PERFORMA KLASIFIKASI PENYAKIT LEUKIMIA DENGAN MENGGUNAKAN DEEP LEARNING MODEL VGG-16 DAN ResNet-50

<p>Leukimiamerupakansebuah bentuk dari kanker yang menyerang darah, sumsum tulang, atau sistem limfatik. Leukimiamerujuk pada penyakit pembentuk organ darah progresif atau dapat dibilang penyakit maligna (ganas). Leukimiaakan berdampak buruk pada formasi dan fungsi normal dari sel serta jaringan darah. Pengklasifikasian sel darah putih menjadi salah satu tugas penting yang dapat membantu tim medis untuk dapat mendiagnosis penyakit leukimialebih awal agar pasien mendapatkan penangananlebih efektif. Deep learning menjadi solusi untuk melakukan proses klasifikasi terebut.Penelitian ini bertujuan untuk melihat performa deep learning model VGG-16dan ResNet-50dalam proses klasifikasi citra leukimia. Dalam penelitian ini, masing-masing 600 citra sel darah abnormal dan normal digunakan sebagai bahan penelitian dengan acuan perbandingan akurasi dan waktu latih model dalam klasifikasi.Total 1200 citra terebut diolah menjadi 10 datasetmenggunakan metode 10-fold cross validation.ResNet-50memiliki performalebih baik dengan nilaiakurasi, sensitivitas, spesifisitas, dan presisi rata-rata 100% dibandingkan dengan VGG-16 yang memperoleh nilai akurasi 99,83%, sensitivitas 99,66%, spesifisitas dan presisi 100%. VGG-16 lebih baik dalam durasi yang dibutuhkan untuk proses klasifikasi. VGG-16 hanya membutuhkan rata-rata 2,56 detikdalam tiap fold, lebih cepat 0,14 detik dibandingkan dengan ResNet-50 yang membutuhkan rata-rata waktu sebanyak 2,7detik.</p>