Text

ANALISIS PERBANDINGAN KINERJA GLCM-SVM, CNN, DAN HYBRID CNN-SVM PADA KLASIFIKASI KANKER DARAH

---

Klasifikasi sel darah putih dan merah secara otomatis merupakan tahapan krusial dalam deteksi dini leukemia, khususnya untuk mengidentifikasi sel immature seperti myeloblast dan erythroblast. Penelitian ini membandingkan performa tiga metode klasifikasi: GLCM-SVM (tradisional), CNN-ResNet50 (deep learning), dan Hybrid CNN-SVM menggunakan dataset 5.000 citra sel darah dari Kaggle. Metodologi meliputi prapemrosesan (resize dan normalisasi), augmentasi data, serta pembagian dataset secara stratified (70% train, 15% val, 15% test). Hasil pengujian menunjukkan bahwa model Hybrid CNN-SVM memberikan performa paling optimal dengan akurasi pengujian mencapai 99,73% dan macro-F1 score sebesar 1,00, mengungguli CNN murni (99,20%) dan GLCM-SVM yang mengalami overfitting (89,47%). Kemampuan model Hybrid dalam mengekstraksi fitur morfologi kompleks pada sel muda dengan kemiripan visual tinggi membuktikan efektivitas sinergi fitur otomatis CNN dan optimasi hyperplane SVM. Penelitian ini berkontribusi pada pengembangan sistem pendukung keputusan klinis untuk identifikasi leukemia yang lebih cepat, objektif, dan akurat.

---

Availability

Detail Information

Call Number

Informatika 616.15 Rif a

Language

Indonesia

NPM

223510640

Publisher

Teknik Informatika : Universitas Islam Riau., 2026

Keyword(s)

Leukemia
ResNet50
GLCM-SVM
Hybrid CNN-SVM
Klasifikasi Sel Darah

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment