Jurnal Elkomika (Jan 2023)
Automatic Leukocytes Classification using Deep Convolutional Neural Network
Abstract
ABSTRAK Sel darah putih atau leukosit adalah salah satu bagian darah yang bertanggung jawab untuk sistem kekebalan tubuh. Penghitungan setiap jenis leukosit merupakan hal yang krusial untuk menentukan status kesehatan. Sel darah dihitung menggunakan hematology analyzer. Namun, perangkat ini hanya tersedia di laboratorium klinik pusat atau rumah sakit. Saat ini masih banyak clinician yang melakukan perhitungan manual dengan memperkirakan jumlah leukosit menggunakan mikroskop. Hal ini berpotensi menimbulkan kesalahan perhitungan yang tinggi. Oleh karena itu, penelitian ini mengusulkan suatu sistem yang dapat mengklasifikasikan jenis-jenis leukosit. Metode convolutional neural network (CNN) dengan arsitektur VGG-19 digunakan dalam klasifikasi leukosit. Beberapa skenario pengujian dengan mengubah parameter epoch dan ukuran batch diterapkan untuk mendapatkan akurasi terbaik. Hasil simulasi model pembelajaran yang digunakan dapat menghasilkan akurasi hingga 100% untuk mengklasifikasikan neutrofil, eosinofil, monosit, dan limfosit. Hasil ini dicapai dengan menggunakan pengoptimal Adam, Epoch=5 dan batch size=60. Kata kunci: leukosit, klasifikasi, CNN, VGG-16  ABSTRACT White blood cells or leukocytes are one of the blood components responsible for the body's immune system. Counting each type of leukocyte is a crucial thing to determine the health status. Blood cells were counted using a hematology analyzer. However, this device is only available in central clinical laboratories or hospitals. Currently, there are still many clinicians doing manual calculations by estimating the number of leukocytes using a microscope. This has the potential to generate high errors in calculations. Therefore, this study proposes a system that can classify the types of leukocytes. The convolutional neural network (CNN) method with VGG-19 architecture was employed in leukocyte classification. Several test scenarios by changing the epoch and batch size parameters were applied to obtain the best accuracy. The results of the simulation of the learning model used can generate accuracy up to 100% for classifying neutrophils, eosinophils, monocytes, and lymphocytes. This result was achieved using Adam optimizer, epoch=5 and batch size=60. Keywords: leukocyte, classification, CNN, VGG-16
Keywords
