Implementasi Adaptive-Neuro Fuzzy Inference System Dengan Fitur Grey Level Co-Occurance Matrix Dalam Klasifikasi Lymphoma

Abstrak

Penelitian ini mengunakan pendekatan berbasis kecerdasan buatan untuk klasifikasi sub-tipe lymphoma berbasis citra histopatologi dengan menggabungkan ekstraksi fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan sistem klasifikasi Adaptive Neuro-Fuzzy Inference System (ANFIS). Tujuan utamanya adalah meningkatkan akurasi, konsistensi, dan transparansi diagnosis lymphoma yang sebelumnya bergantung pada penilaian manual yang subjektif. Metodologi melibatkan ekstraksi fitur tekstur menggunakan GLCM dari 9000 citra JPG dataset publik Kaggle, yang terdiri dari dua kelas: Chronic Lymphocytic Leukemia (CLL) dan Mantle Cell Lymphoma (MCL). Fitur hasil ekstraksi dilatih dan diuji menggunakan ANFIS untuk klasifikasi. Hasil menunjukkan bahwa model ini mencapai akurasi yang kurang baik dimana nilai akurasinya adalah 63,99% dengan 5-Fold dan 64,04 % dengan 10-Fold. Kesimpulannya, integrasi GLCM dan ANFIS memberikan hasil yang kurang baik sehingga mengindikasi bahwa model belum baik dalammempelajari data. Berdasarkan hal itu disarankan untuk melakukan kombinasi ekstraksi fitur serta percobaan dengan berbagau parameter untuk mendapat hasil yang terbaik.