Klasifikasi Sel Darah Putih Berdasarkan Ciri Warna dan Bentuk Menggunakan Metode K-Nearest Neighbor (K-NN)

Abstract

Leukosit atau sel darah putih merupakan komponen penting dalam sistem kekebalan tubuh manusia yang berfungsi melawan infeksi dan menjaga kesehatan tubuh. Setiap jenis leukosit memiliki karakteristik morfologis dan fungsi yang berbeda, seperti neutrophil, lymphocyte, monocyte, dan eosinophil. Klasifikasi otomatis jenis leukosit dari citra mikroskopis berperan penting dalam membantu proses diagnosis medis secara cepat dan akurat. Penelitian ini menggunakan algoritma k-Nearest Neighbor (KNN) sebagai metode klasifikasi untuk mengenali jenis sel darah putih berdasarkan fitur yang diekstraksi dari citra. Algoritma KNN bekerja dengan menghitung jarak Euclidean antara data uji dan data latih untuk menentukan kelas data baru berdasarkan tetangga terdekat. Dataset yang digunakan merupakan koleksi citra publik dari platform Kaggle, terdiri dari 12.392 gambar dengan empat jenis leukosit, yaitu eosinophil, lymphocyte, monocyte, dan neutrophil. Hasil pengujian menunjukkan bahwa pada nilai K = 3, model KNN menghasilkan performa terbaik dengan akurasi sebesar 71,72%, serta rata-rata precision, recall, dan F1-score masing-masing sebesar 0,70.