Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Wicaksono, Aryo Bimo
Unknown Affiliation
Computer Science & IT Education

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

Found 1 Documents
Search

 1 
ANALISIS PERFORMA ARSITEKTUR CNN INCEPTIONV3 DAN VGG16 DALAM KLASIFIKASI DETEKSI KANKER OTAK Wicaksono, Aryo Bimo; Hartato, Bambang Pilu
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6090

Abstract

Kanker otak merupakan salah satu jenis kanker paling mematikan dengan tingkat kematian yang tinggi. Keterlambatan dalam diagnosis dan rendahnya kesadaran masyarakat menjadi faktor utama tingginya angka kematian tersebut, sehingga diperlukan metode deteksi yang efektif untuk diagnosis dini. Penelitian ini bertujuan untuk mengevaluasi kinerja dua arsitektur Convolutional Neural Network (CNN), yaitu InceptionV3 dan VGG16, dalam klasifikasi deteksi kanker otak menggunakan dataset MRI berlabel dari Kaggle. Langkah-langkah penelitian meliputi pengumpulan dataset, Analisis Data Eksplorasi (EDA), preprocessing, pembuatan model, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model InceptionV3 mencapai akurasi sebesar 91,67% dengan test loss 0,3329, sementara VGG16 mencapai akurasi sebesar 82,14% dengan test loss 0,5027. Model VGG16 mengalami fluktuasi signifikan dibandingkan dengan InceptionV3, yang mengindikasikan adanya overfitting. Selain itu, InceptionV3 menunjukkan hasil precision, recall, dan F1-score yang lebih tinggi dibandingkan dengan VGG16. Evaluasi menggunakan confusion matrix menunjukkan bahwa InceptionV3 memiliki performa yang lebih baik dalam memprediksi kanker otak dengan jumlah kesalahan prediksi yang lebih rendah dibandingkan dengan VGG16. Hasil ini menunjukkan bahwa InceptionV3 lebih andal dan akurat dalam mendeteksi kanker otak dibandingkan dengan VGG16.
Co-Authors Hartato, Bambang Pilu