Klasifikasi citra penyakit leukemia menggunakan Convolutional Neural Network dengan arsitektur Inception-v3

Penderita leukemia memiliki risiko kematian yang sangat tinggi, namun dapat dikurangi dengan dilakukan pengobatan secara dini. Pada umumnya diperlukan seorang dokter ahli, biaya dan waktu yang lama untuk melakukan diagnosis penyakit leukemia secara manual. Proses diagnosis manual yang dilakukan seorang dokter juga berisiko terjadinya kesalahan (human error). Hal ini dapat mengakibatkan penderita terlambat dalam pengobatan penyakit leukemia. Pada penelitian ini, dibentuk suatu sistem klasifikasi citra mikroskopis sel tunggal untuk diagnosis penyakit leukemia secara otomatis menggunakan Convolutional Neural Network (CNN) dengan arsitektur Inception-v3. Proses augmentasi diterapkan untuk meningkatkan keragaman data, sehingga mampu mengurangi overfitting. Selanjutnya dilakukan uji coba nilai hyper-parameter sistem untuk meningkatkan kinerja Inception-v3 dalam klasifikasi citra penyakit leukemia. Uji coba yang dilakukan diantaranya: nilai learning rate, batch size dan penggunaan metode optimasi RMSProb. Hasil uji coba terbaik klasifikasi penyakit leukemia menggunakan Inception-v3 adalah: akurasi sebesar 100%, sensitifitas sebesar 100%, dan spesitifitas sebesar 100%.