Implementasi Arsitektur U-Net Untuk Segmentasi Tumor Otak Otomatis Pada Citra MRI Dengan Data Pengujian Asli

Shidqi Dhamara, Ammar
Indah Purnama , Sevia
Aly Afandi, Mas

eProceedings of Engineering
Vol. 12 No. 4 (2025): Agustus 2025

Tumor otak merupakan pertumbuhan selabnormal yang mengganggu fungsi otak. Deteksi dini pentinguntuk meningkatkan akurasi diagnosis, namun segmentasimanual citra MRI memerlukan keahlian tinggi. Penelitian inimengimplementasikan arsitektur U-Net sebagai metodesegmentasi otomatis pada citra MRI menggunakan data aslidari Rumah Sakit Islam Jakarta Cempaka Putih. Eksperimendilakukan dengan variasi epoch (20–100) dan Learning rate(1e-3 dan 1e-4). Konfigurasi terbaik diperoleh pada Learningrate 1e-4 dan 100 epoch dengan Dice Coefficient 0,88 dan IoU0,78. Sistem U-Net ini dapat meningkatkan efisiensi danakurasi diagnosis tumor otak.Kata kunci : Tumor otak, MRI, Segmentasi, U-Net, DeepLearning