<![CDATA[Penyakit Alzheimer adalah gangguan neurologis yang memengaruhi sistem saraf di otak dan menjadi salah satu penyebab utama penurunan fungsi kognitif. Dalam mendeteksi Alzheimer, citra Magnetic Resonance Imaging (MRI) menjadi salah satu alat diagnostik yang efektif karena mampu menampilkan detail anatomi otak dengan jelas. Namun, kualitas citra yang rendah dapat memengaruhi performa model dalam analisis citra medis, sehingga penggunaan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) diterapkan untuk meningkatkan kualitas citra. Salah satu pendekatan yang dapat digunakan untuk mengolah data MRI adalah deep learning. Penelitian ini menggunakan pendekatan deep learning berbasis arsitektur pretrained VGG-19. Arsitektur ini dikenal sebagai salah satu yang terbaik dalam klasifikasi gambar, khususnya untuk tugas pencitraan medis seperti MRI. Penelitian ini diawali dengan pemrosesan citra menggunakan teknik pengolahan citra CLAHE dengan konfigurasi parameter clip limit sebesar 1 dan tile grid sebesar 2. Model dilatih menggunakan optimizer Adam dan learning rate sebesar 0,001. Hasil penelitian menunjukkan bahwa model mencapai nilai F1 Score sebesar 93,91%, dengan performa terbaik dalam mengklasifikasikan data minoritas. Penelitian ini menunjukkan keberhasilan dalam melakukan kombinasi arsitektur VGG-19 dan pengolahan citra CLAHE untuk klasifikasi Alzheimer secara akurat.]]>
Copyrights © 2025
