Arif Mukti, Muhammad
Unknown Affiliation

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

Found 1 Documents
Search

Akurasi 12 Layer Convolutional Neural Network (CNN) Untuk Jenis Tumor Otak Dari Hasil Citra MRI Dengan Google Colab Dan Dataset Kaggle Arif Mukti, Muhammad; Arif Kurniawan; Samsul Bahri; Cut Nayla Husin; Yanto, Budi; Asmen, Faisal
RJOCS (Riau Journal of Computer Science) Vol. 10 No. 2 (2024): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v10i2.2857

Abstract

Tumor otak merupakan salah satu penyakit mematikan di dunia. Menurut data Global Cancer Observatory, kasus tumor otak di Indonesia pada tahun 2021 mencapai 5.964 kasus serta tingkat kematian berada pada posisi 12 dengan 5298 kasus. Diagnosa cepat dan lebih dini tentu akan mampu menekan tingkat kematian tumor otak. sehingga dilakukan Penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) dengan model 12 layer untuk mengklasifikasikan jenis tumor otak berdasarkan gambar MRI. Dataset terdiri dari empat kelas: Glioma, pituitary, Meningioma, dan Notumor. Metode penelitian melibatkan pengumpulan data, preprocessing, desain arsitektur CNN, pelatihan model, dan evaluasi. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan jenis tumor otak dengan akurasi yang memuaskan. Penerapan 12 layer meningkatkan kinerja dengan mengatasi masalah hilangnya gradien. Berdasarkan penelitian tersebut, klasifikasi tumor otak menggunakan CNN dengan arsitektur 12 layer dapat mendukung deteksi dini tumor otak untuk meningkatkan akurasi diagnostik. Pada penelitian ini akurasi terbaik diperoleh sebesar 79% pada percobaan epoch ke-5