<![CDATA[Acute Lymphoblastic Leukemia (ALL) merupakan salah satu penyakit keganasan hematologi yang memerlukan identifikasi secara dini dan akurat. Penelitian ini mengembangkan model klasifikasi berbasis citra menggunakan ResNet-50V2 dengan Squeeze-and-Excitation (SE) Block serta Grad-CAM untuk mengklasifikasikan citra sel darah putih ke dalam kelas ALL dan Non-ALL sekaligus memberikan visualisasi area yang berkontribusi terhadap prediksi model. Dataset yang digunakan terdiri dari 11.210 citra yang dikumpulkan dari beberapa sumber, termasuk dataset publik dan data klinis dari RS Kanker Dharmais. Model dilatih menggunakan strategi transfer learning dua fase dan dievaluasi menggunakan metrik akurasi, AUC-ROC, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model memperoleh akurasi sebesar 0,89 dan AUC-ROC sebesar 0,95 pada data uji. Evaluasi interpretabilitas menggunakan Grad-CAM melalui Pointing Game Accuracy (PGA) memperoleh nilai 100% pada sampel purposif dan 65% pada sampel acak. Hasil tersebut menunjukkan bahwa model dapat memberikan informasi visual mengenai area yang berkontribusi terhadap prediksi, meskipun konsistensi area yang ditunjukkan masih bervariasi pada beberapa citra. Model juga diimplementasikan ke dalam aplikasi berbasis web menggunakan Flask untuk menampilkan hasil klasifikasi dan visualisasi Grad-CAM. Sistem yang dikembangkan ditujukan sebagai alat bantu skrining awal ALL dan bukan sebagai alat diagnosis definitif.]]>
Copyrights © 2026
