Klasifikasi Leukosit Immature untuk Kasus Acute Lymphoblastic Leukemia (ALL) L1 dengan Metode Hybrid Neural Networks Particle Swarm Optimization

ROSI INDAH AGUSTIN, Ir. Agus Arif, MT; dr. Usi Sukorini, M Kes., SpPK-K

2019 | Skripsi | S1 TEKNIK FISIKA

Acute Lymphoblastic Leukemia (ALL) adalah salah satu jenis leukemia yang ditandai dengan meningkatnya jumlah sel limfoblas pada sirkulasi darah dan sumsum tulang belakang. Ahli hematologis menggunakan metode screening untuk mengidentifikasi leukosit secara manual. Hal ini dapat menyebabkan human error dan kesalahan diagnosis suatu penyakit. Pada penelitian ini, diusulkan metode klasifikasi menggunakan Hybrid Neural Networks dengan Particle Swarm Optimization untuk melakukan klasifikasi leukosit immature. Metode ini menggunakan dua tahap model klasifikasi Neural Networks (NN) yang digunakan untuk klasifikasi sel limfoid dan sel limfoblas. Model klasifikasi ini dikombinasikan dengan algoritma Particle Swarm Optimization (PSO) yang digunakan untuk membangkitkan parameter dari NN, yaitu weight dan bias. Penelitian ini menggunakan sampel darah tepi dari seorang pasien penderita ALL sebanyak 5 sampel dan menghasilkan total 1737 citra leukosit. Langkah yang dilakukan ialah preprocessing data, ekstraksi fitur, seleksi fitur, lalu klasifikasi dua tahap. Klasifikasi dua tahap ini mencakup klasifikasi biner antara sel limfoid dengan non-limfoid yang dilanjutkan dengan klasifikasi biner antara sel limfoblas dengan non-limfoblas. Metode ini akan dibandingkan dengan metode multiclass NN backpropagation (NN-BP) dan multiclass NN-PSO. Nilai akurasi yang diperoleh dari metode klasifikasi Hybrid NN PSO secara keseluruhan sebesar 83.3% sedangkan multiclass NN-BP dan multiclass NN-PSO masing-masing menghasilkan nilai akurasi 74.5% dan 49.9%. Hasil performansi ini menunjukkan bahwa metode klasifikasi Hybrid NN-PSO menghasilkan performa yang tinggi untuk jenis klasifikasi biner dan memiliki potensi untuk dikembangkan lebih jauh.

Acute Lymphoblastic Leukemia (ALL) is a type of leukemia that can be diagnosed by the increase of the number of lymphoblast cells in peripheral blood and bone marrow. Hematologist use screening methods to identify leukocyte manually. This method can lead to human error and wrong diagnoses. In this research, the Hybrid Neural Networks with Particle Swarm Optimizations method was proposed for classifying the immature leukocyte in ALL patients. The proposed method was to used a two-step Neural Networks classifier to classify lymphoid cells and then classify lymphoblast cells. This classifier was combined with the Particle Swarm Optimization (PSO) algorithm. The use of PSO is to generate the parameter of Neural Networks including weights and biases. Five peripheral blood samples were used which resulted in 1737 images of leukocyte from an ALL patient. To do the classification, first, data preprocessing is done then followed by features selection, features extraction, and classification with two steps. The two-step classification was comprised of a binary classification to classify lymphoid cells, and then another one to classify lymphoblast cells. This method was compared to a multiclass NN backpropagation (BP) and a multiclass NN-PSO. The overall accuracy of the proposed methods was 83.3%, which was compared to the accuracy of the multiclass NN-BP method (74.5%) and the multiclass NN-PSO (49.9%). This result showed that the proposed method had better accuracy than multiclass NN-BP in this case, and should be developed and applied in other cases.

Kata Kunci : Acute Lymphoblastic Leukemia, Neural Networks, Particle Swarm Optimization, klasifikasi, leukosit, seleksi fitur