Perbandingan Convolutional Neural Network pada Transfer Learning Method untuk Mengklasifikasikan Sel Darah Putih
Daniel Martomanggolo Wonohadidjojo
Abstract
Analisis struktur WBC dari gambar mikroskopis dan klasifikasi sel menjadi beberapa jenis merupakan tantangan. Meskipun sel darah putih dapat dibedakan berdasarkan bentuk, warna dan ukurannya, satu aspek yang menantang adalah bahwa mereka dikelilingi oleh komponen darah lain seperti sel darah merah dan trombosit. Pada penelitian ini diterapkan metode transfer learning dengan menggunakan empat arsitektur jaringan yang telah dilatih sebelumnya untuk mengklasifikasikan citra sel darah putih. Arsitektur jaringan yang digunakan adalah AlexNet, GoogleNet, ResNet-50 dan VGG-16. Analisis komparatif kinerja arsitektur ini dilakukan dalam mengklasifikasikan citra tersebut. Metode evaluasi dilakukan dengan menggunakan Confusion Matrix. Metrik kinerja yang diukur dalam evaluasi adalah Accuracy, Precision, Recall dan Fmeasure. Hasil penelitian menunjukkan bahwa semua arsitektur berhasil mengklasifikasikan sel darah putih dengan menggunakan metode transfer learning. ResNet-50 adalah arsitektur jaringan yang menunjukkan kinerja tertinggi dalam mengklasifikasikan citra sel darah putih.