Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Data Sciences Indonesia (DSI)
Rudiansyah, Rahmad
Unknown Affiliation
Computer Science & IT Education Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Tumor Otak pada gambar Magnetic Resonance Images (MRI) dengan Pendekatan Pembelajaran Mendalam Rudiansyah, Rahmad; Husein, Amir
Data Sciences Indonesia (DSI) Vol. 4 No. 1 (2024): Article Research Volume 4 Issue 1, June 2024
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i1.4265

Abstract

Tumor otak adalah salah satu penyakit paling mematikan dan kompleks yang mempengaruhi jutaan orang di seluruh dunia, sehingga klasifikasi tumor otak yang akurat sangat penting untuk pengobatan yang efektif. Diagnosis dan pengobatan tumor otak sangat menantang, dan kurangnya diagnosis yang akurat dan tepat waktu sering kali menyebabkan hasil akhir yang buruk bagi pasien. Metode diagnostik saat ini, seperti MRI dan CT scan, seringkali tidak memadai untuk klasifikasi tumor otak secara akurat. Keputusan diagnostik sangat bergantung pada interpretasi pemindaian magnetic resonance imaging (MRI). Dalam penelitian, penerapan berbagai model CNN VGG16, Xception, MobileNet dan ResNet50 digunakan untuk klasifikasi tumor otak pada kumpulan dataset 4 kelas yaitu glioma, meningioma, notumor dan pituitary. Semua model di uji dengan berbagai percobaan eksperimental dan hasil pengujian menunjukkan bawah model Xception menghasilkan akurasi terbaik dibandingkan model lainnya.
Klasifikasi Tumor Otak pada gambar Magnetic Resonance Images (MRI) dengan Pendekatan Pembelajaran Mendalam Rudiansyah, Rahmad; Husein, Amir
Data Sciences Indonesia (DSI) Vol. 4 No. 1 (2024): Article Research Volume 4 Issue 1, June 2024
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i1.4265

Abstract

Tumor otak adalah salah satu penyakit paling mematikan dan kompleks yang mempengaruhi jutaan orang di seluruh dunia, sehingga klasifikasi tumor otak yang akurat sangat penting untuk pengobatan yang efektif. Diagnosis dan pengobatan tumor otak sangat menantang, dan kurangnya diagnosis yang akurat dan tepat waktu sering kali menyebabkan hasil akhir yang buruk bagi pasien. Metode diagnostik saat ini, seperti MRI dan CT scan, seringkali tidak memadai untuk klasifikasi tumor otak secara akurat. Keputusan diagnostik sangat bergantung pada interpretasi pemindaian magnetic resonance imaging (MRI). Dalam penelitian, penerapan berbagai model CNN VGG16, Xception, MobileNet dan ResNet50 digunakan untuk klasifikasi tumor otak pada kumpulan dataset 4 kelas yaitu glioma, meningioma, notumor dan pituitary. Semua model di uji dengan berbagai percobaan eksperimental dan hasil pengujian menunjukkan bawah model Xception menghasilkan akurasi terbaik dibandingkan model lainnya.
Co-Authors Amir Husein