Electronic Theses and Dissertation

Leukemia adalah salah satu kanker yang menyerang pada darah diakibatkan banyaknya sel darah putih abnormal yang diproduksi oleh tubuh. Saat ini untuk diagnosis kanker darah dapat melalui pemeriksaan darah dan sumsum tulang belakang oleh dokter yang memerlukan waktu berhari-hari. Acute lymphoblastic leukemia (ALL) yaitu salah satu kanker leukemia yang umum terjadi pada anak-anak yang disebabkan oleh sel limfosit yang belum dewasa tumbuh lebih banyak, Deep Learning dapat dimanfaatkan dalam pemprosesan citra untuk mendeteksi kanker yang belum terbentuk sepenuhnya di dalam darah dengan Convolutional Neural Network (CNN) memanfaatkan arsitektur EfficientNet, akan digunakan untuk melakukan penskalaan terhadap data citra berupa peningkatan layer, channel dan resolusi secara bersamaan, data tersebut kemudian dilakukan normalisasi terhadap nilai RGB dengan merubah nilai menjadi mean sehingga menampilkan hasil warna yang lebih menonjol. Dengan memanfaatkan ReactJs dan Flask untuk aplikasi Website sebagai antarmuka dan Application Programming Interface (API) untuk mengakses model yang telah dilatih, sehingga mempermudah untuk pengecekan tanpa perlu menjalankan kode program yang memerlukan banyak installasi library. Berdasarkan masalah tersebut, Penelitian ini merancang sebuah model yang dapat mendeteksi sel ALL pada citra sel darah. Hasil yang didapatkan dengan menggunakan EfficientNetB3 menghasilkan akurasi sebesar 92%, presisi 93% dan recall 96%.

Leukemia is a cancer that attacks the blood due to the large number of abnormal white blood cells produced by the body. Currently for the diagnosis of blood cancer can be through blood and bone marrow examination by a doctor which takes days. Acute lymphoblastic leukemia (ALL) is one of the most common leukemia cancers in children caused by immature lymphocyte cells growing more, Deep Learning can be used in image processing to detect cancer that has not fully formed in the blood with Convolutional Neural Network (CNN) using the EfficientNet architecture, will be used to scale the image data in the form of increasing layers, channels and resolution simultaneously, then the data will be normalized by changing the RGB value to mean so that it displays a more prominent color. By using ReactJs and Flask for Website applications as an interface and Application Programming Interface (API) to access the trained model, making it easier to check without the need to run program code that requires a lot of library installation. Based on these problems, this study designed a model that can detect ALL cells in blood cell images. The results obtained using EfficientNetB3 produce an accuracy of 92%, precision 93% and recall 96%.