Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Luvenia Andrius Lukman
Teknik Informatika, Universitas Muhammadiyah Riau
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
STUDI LITERATUR : PERBANDINGAN ARSITEKTUR CNN UNTUK KLASIFIKASI TUMOR OTAK Luvenia Andrius Lukman; Evans Fuad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18025

Abstract

Perkembangan Convolutional Neural Network (CNN) telah membawa kemajuan signifikan dalam analisis citra medis, khususnya pada klasifikasi tumor otak berbasis citra MRI. Namun, menentukan arsitektur CNN yang paling tepat tetap menjadi tantangan utama karena performa setiap model sangat dipengaruhi oleh karakteristik data dan ketersediaan sumber daya komputasi. Penelitian ini bertujuan untuk melakukan analisis komparatif sistematis terhadap implementasi serta kinerja berbagai arsitektur CNN dalam tugas klasifikasi tumor otak. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan protokol PRISMA terhadap 20 artikel ilmiah dari Google Scholar dan Garuda yang diterbitkan antara tahun 2022 hingga 2025. Hasil penelitian menunjukkan bahwa Custom CNN merupakan pendekatan yang paling banyak diterapkan (9 studi), diikuti oleh ResNet dan VGG. ResNet secara konsisten memberikan akurasi tertinggi hingga mencapai 99,8% pada dataset kompleks. Sementara itu, arsitektur seperti EfficientNet dan MobileNet menawarkan performa kompetitif dengan kebutuhan komputasi yang lebih rendah. Pemilihan arsitektur yang optimal sangat bergantung pada karakteristik dataset dan ketersediaan sumber daya komputasi yang tersedia
Co-Authors Evans Fuad