KLASIFIKASI JENIS ADENOCARCINOMA MELALUICITRA SEL CAIRAN TUBUH MENGGUNAKAN ALGORITMA ALEXNET

Kanker Adenocarcinoma, yang berasal dari sel-sel kelenjar dalam tubuh manusia, merupakan penyakit berbahaya yang sering terjadi diberbagai organ tubuh. Proses klasifikasi dan analisis sel-sel kanker ini secara manual oleh ahli patologi seringkali memakan waktu dan rentan terhadap kesalahan. Dalam konteks ini, penggunaan kecerdasan buatan (artificial intelligence/AI) dan deep learning (DL) menjadi solusi yang potensial untuk meningkatkan akurasi dan efisiensi dalam patologi. Penelitian ini bertujuan untuk mengembangkan teknologi klasifikasi Adenocarcinoma berbasis deep learning dengan menggunakan metode Convolutional Neural Network (CNN), khususnya arsitektur AlexNet, untuk mengklasifikasikan Gambar sel Adenocarcinoma. Proses penelitian meliputi preprocessing data, mengonfigurasi arsitektur dari model AlexNet, proses training, proses testing, dan analisis hasil. Hasil penelitian ini menunjukkan keberhasilan dalam mengimplementasikan CNN dengan model AlexNet untuk mengklasifikasikan citra sel Adenocarcinoma menjadi dua kelas, Malignant dan Benign, dengan hasil prediksi yang sangat baik. Hasil evaluasi model menunjukkan akurasi sebesar 99%, presisi 99%, recall 99%, dan F1-score sebesar 99%. Selain itu, model AlexNet juga mencapai titik akurasi optimal dalam grafik performa. Penelitian ini memberikan kontribusi positif dalam upaya meningkatkan akurasi dalam klasifikasi sel Adenocarcinoma dan menjadi dasar penting dalam pengembangan lebih lanjut aplikasi kecerdasan buatan dalam patologi medis.