CONVOLUTION NEURAL NETWORK ARSITEKTUR MOBILENET-V2 UNTUK MENDETEKSI TUMOR OTAK

Widi Hastomo (STMIK Jakarta STI&K)
Soegijanto (STMIK Jakarta STI&K)
Sudjiran (STMIK Jakarta STI&K)

Prosiding SeNTIK STI&K
Vol. 5 No. 1 (2021): Prosiding SeNTIK 2021

Tumor ganas atau kanker adalah penyebab kematian kedua di dunia setelah kardiovaskuler. Negara berkembang tingkat kematian terhadap penyakit tumor mencapai 70%, sedangkan di negara maju tingkat kematian dapat ditekan karena peralatan dan pelayanan kesehatan sudah sangat baik. Diagnosa cepat dan lebih dini tentu akan mampu menekan tingkat kematian penyakit ini. Metoda CNN mampu membaca image dari peralatan CT Scanner untuk memprediksi pasien terhadap penyakit tumor otak. Penelitian ini menggunakan CNN dengan arsitektur MobileNet-V2 untuk mentrainning dan menguji sebanyak 2.870 image tumor otak. Hasil dari penelitian ini diperoleh nilai akurasi trainning dan testing masing-masing sebesar 97% dan 94%. Dengan nilai akurasi untuk tiap klasifikasi yaitu glioma (99%), meningioma (85%), no_tumor (99%) dan pituaty (96%). Akurasi hasil dari penelitian ini adalah sangat baik, dan model yang dihasilkan dapat digunakan untuk mendiagnosa pasien dengan cepat, murah dan akurat