<![CDATA[AbstrakKecerdasan buatan telah menjadi dasar dalam pengembangan computer-aided-diagnosed (CAD), yaitu alat tambahan yang digunakan untuk melakukan diagnosa penyakit, misalnya tumor otak. Pada penelitian ini dilakukan klasifikasi otomatis citra MRI otak ke dalam 4 kategori, yaitu tumor otak grade II, III, IV dan non-tumor menggunakan Convolutional Neural Network (CNN). Tiga jenis arsitektur yang digunakan, yaitu arsitektur 12 lapisan, Resnet-152 dan VGG-16. Peningkatan jumlah gambar dilakukan dengan melakukan 6 jenis teknik augmentasi. Hasilnya menunjukkan bahwa ketiga model dapat melakukan klasifikasi tumor dengan akurasi masing-masing sebesar 84%, 95% dan 84% pada data tanpa augmentasi dan 49%, 81% dan 72% untuk data yang mengalami augmentasi. Hasil tersebut menunjukkan bahwa arsitektur Resnet-152 memberikan performa terbaik dibandingkan dengan arsitektur lainnya.Kata kunci: Tumor otak, Convolutional Neural Network (CNN), Resnet-152, VGG-16AbstractArtificial intelligence has become the basis for the development of computer-aided-diagnosed (CAD), an additional tool used to diagnose diseases, such as brain tumors. In this study, automatic classification of brain tumor was carried out into 4 categories, namely grade II, III, IV and non-tumor using the Convolutional Neural Network (CNN) algorithm. Three types of architecture are used, namely 12 layer architecture, Resnet-152 and VGG-16. The dataset comes from the REMBRANDT and IXI dataset. Increasing the number of images using 6 types of augmentation techniques is also done. The results show that the three models can classify tumors with an accuracy of 84%, 95% and 84% respectively for data without augmentation and 49%, 81% and 72% for data with augmentation. It can be concluded that the Resnet-152 architecture provides the best performance than the other architectures.Keywords: Brain tumor, Convolutional Neural Network (CNN), Resnet-152, VGG-16]]>
