Art Original

Implementasi Algoritma Cnn Dalam Mendeteksi Penyakit Tumor Otak

---

Tumor otak adalah pertumbuhan sel abnormal di otak yang dapat membahayakan jiwa. Salah satu kendala utama dalam diagnosis tumor otak adalah keterbatasan waktu dan akurasi dalam menganalisis pencitraan medis seperti MRI. Untuk mendukung deteksi dini, diperlukan metode yang akurat dan efisien guna membantu tenaga medis dalam mengidentifikasi tumor secara cepat. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan mengembangkan sistem deteksi tumor otak berbasis algoritma Convolutional Neural Network (CNN). Tiga model CNN yaitu VGG16, Xception, dan NASNet Mobile, digunakan untuk melakukan klasifikasi gambar tumor otak. Dataset yang digunakan terdiri dari 4.000 gambar, mencakup 2.000 gambar tumor dan 2.000 gambar non-tumor yang diperoleh dari repositori publik. Proses penelitian mencakup tahap preprocessing data, pelatihan model, dan evaluasi kinerja menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model VGG16 menghasilkan akurasi tertinggi sebesar 98%, disusul oleh NASNet Mobile dengan akurasi 96,75%, dan Xception dengan akurasi 96,75%. Penelitian ini menunjukkan bahwa algoritma CNN mampu melakukan klasifikasi tumor otak secara efektif, sehingga diharapkan dapat meningkatkan kecepatan dan akurasi dalam proses diagnosis medis.

---

Availability

Detail Information

Call Number

-

Language

NPM

193510335

Publisher

Teknik Infomatika : Universitas Islam Riau., 2025

Keyword(s)

kecepatan dan akurasi dalam proses diagnosis medis

Other Information

Petugas

Budi Santoso

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment