<![CDATA[Tumor otak merupakan salah satu penyakit serius yang dapat mengancam nyawa serta menurunkan kualitas hidup penderitanya, sehingga deteksi dini menjadi aspek yang sangat penting dalam mendukung keberhasilan penanganan medis. Magnetic Resonance Imaging (MRI) merupakan metode pencitraan non-invasif yang banyak digunakan karena mampu menghasilkan citra otak dengan detail tinggi dan kontras jaringan yang baik. Namun, proses interpretasi citra MRI masih sangat bergantung pada keahlian dokter radiologi dan berpotensi menimbulkan kesalahan akibat kelelahan serta kompleksitas visual citra. Oleh karena itu, diperlukan sistem pendukung diagnosis berbasis kecerdasan buatan yang mampu membantu proses klasifikasi tumor otak secara otomatis, cepat, dan akurat. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50 dalam mengklasifikasikan tumor otak pada citra MRI menggunakan MATLAB. Dataset yang digunakan terdiri dari empat kelas, yaitu glioma, meningioma, pituitary tumor, dan non-tumor. Tahapan penelitian meliputi preprocessing citra, augmentasi data untuk meningkatkan variasi dataset, pembagian data menjadi data latih dan data uji, serta penerapan transfer learning pada model ResNet50. Proses pelatihan dilakukan menggunakan optimizer Adam dengan berbagai skema parameter untuk memperoleh performa terbaik. Hasil penelitian menunjukkan bahwa model CNN ResNet50 mampu mencapai akurasi hingga 98% dan memberikan hasil klasifikasi yang sangat baik pada data uji. Selain itu, model yang telah dilatih diimplementasikan ke dalam aplikasi berbasis Graphical User Interface (GUI) menggunakan MATLAB App Designer sehingga mudah digunakan. Penelitian ini diharapkan dapat menjadi alat bantu diagnosis awal tumor otak serta berkontribusi pada pengembangan penerapan deep learning di bidang medis.]]>
Copyrights © 2026
