PERBANDINGAN PRETRAINED CONVOLUTIONAL NEURAL NETWORK MODELS DALAM KLASIFIKASI CITRA KANKER PROSTAT

Kanker prostat adalah kanker yang paling banyak diderita pria pada tahun
2019. Pada tahun tersebut, di Amerika Serikat sebanyak 174,650 pria (20%)
mengidap kanker prostat dan sisanya sebanyak 696,32 pria (80%) mengidap kanker
lainnya (paru-paru, bronkus dan sebagainya). Dalam diagnosis kanker, terdapat
beberapa permasalahan seperti kesalahan dalam pelaporan diagnosis serta
dibutuhkannya waktu yang lama. Kecerdasan buatan telah lama diketahui dapat
memudahkan proses pendeteksian tersebut, namun dibutuhkan analisis
perbandingan model agar mendapatkan hasil yang lebih optimal. Penelitian ini
bertujuan untuk membandingkan kinerja tiga pretrained models: AlexNet,
GoogLeNet dan ResNet-50. Data yang digunakan adalah citra sel prostat yang
diambil dari mikroskop cahaya Rumah Sakit Universitas Indonesia (UI). Penelitian
ini menggunakan k-fold cross-validation untuk melakukan validasi terhadap
keakuratan sebuah model yang digunakan. Penilaian kinerja pretrained models
dilakukan berdasarkan nilai performance metrics: accuracy, precision, recall
(sensitivity), specificity dan f-score serta running time pada proses pengujian
(testing). Hasil pengujian menunjukkan bahwa ResNet memiliki overall accuracy
paling tinggi (95.16%) dibandingkan dengan AlexNet (86.26%) dan GoogLeNet
(94.50%). Dalam waktu pengujian, AlexNet lebih cepat (0.3069785 detik) daripada
ResNet (0.527279 detik) dan GoogLeNet (0.3724353 detik). Penelitian ini
diharapkan dapat membantu para peneliti (ahli patologi, asisten dokter dan
sebagainya) dalam memilih arsitektur yang tepat guna klasifikasi citra kanker
prostat dari segi waktu maupun tingkat akurasi.