Klasifikasi Citra Sel Darah Putih pada Pasien Terjangkit Acute Lymphoblastic Leukemia Tipe L1 Menggunakan Metode Capsule Network

ILHAM ZULFIKRI F, Nopriadi, S.T., M.Sc., Ph.D.;Ir. Agus Arif, M.T.

2019 | Skripsi | S1 TEKNIK FISIKA

Acute Lymphoblastic Leukemia tipe L1 adalah kanker sel darah putih yang ditandai dengan kelebihan produksi sel limfoblas pada tubuh. Penderita penyakit ini hanya memiliki peluang hidup antara 45% sampai 81%. Penyakit ini dapat disembuhkan jika didiagnosis secara dini. Teknik diagnosis konvensional berpotensi menghasilkan ralat. Nilai ralat bergantung pada pengalaman dan konsentrasi hematologis. Hal ini mendasari pengembangan metode kecerdasan buatan untuk mendukung kinerja hematologis. Metode deep learning berbasis Capsule Network dengan Dynamic Routing dikembangkan pada penelitian ini. Metode ini mampu melakukan klasifikasi terhadap kelas sel limfoblas, limfosit, dan non-limfoid. Kesalahan terendah Capsule Network yang dicapai penelitian ini adalah 24,51%. Arsitektur ResNet50 digunakan sebagai pembanding performa klasifikasi. Arsitektur ResNet50 hanya mampu mencapai 27,87%.

Acute Lymphoblastic Leukemia L1 is one of white blood cancer. This cancer is characterized by excess production of lymphoblast cell. Patient overall survival rate ranged from 45% to 81%. Conventional diagnostic techniques could produce a fatal error. Error value depends on the hematologist's experience and concentration. Those backgrounds implicate to artificial intelligence algorithm development to support hematologist performance. Capsule Network with Dynamic Routing was developed in this research. This method could classify lymphoblast, lymphocyte, and non-lymphoid in the multi-class case. The lowest test error can be achieved with this method is 24,51%. The baseline method (ResNet50) can only achieve 27,87% test error.

Kata Kunci : Acute Lymphoblastic Leukemia, Capsule Network, deep learning, neural network, kecerdasan buatan, computer vision, convolution neural network,