<![CDATA[Multiple Sclerosis (MS) merupakan penyakit neurologis yang menyerang sistem saraf pusat yaitu otak dan sumsum tulang belakang. Penyakit ini merusak lapisan mielin sehingga mengganggu penghantaran impuls saraf dan menimbulkan gejala seperti gangguan penglihatan, koordinasi, dan fungsi kognitif. Diagnosis dini MS penting karena belum terdapat terapi yang dapat menyembuhkan penyakit ini. Magnetic Resonance Imaging (MRI) terbukti efektif dalam mendeteksi kerusakan jaringan otak, namun interpretasi citra masih bergantung pada keahlian radiolog. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi otomatis MS pada citra MRI menggunakan Convolutional Neural Network (CNN) berbasis arsitektur ResNet50V2. Dataset yang digunakan berupa citra MRI axial dengan label MS dan non-MS dari platform Kaggle. Citra dilakukan preprocessing dan augmentasi, kemudian dibagi menjadi dua kombinasi pembagian data, yaitu 80% data training, 10% validation, dan 10% testing serta 90% data training, 5% validation, dan 5% testing. Model CNN dilatih menggunakan optimizer Adam dengan evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mengidentifikasi citra MS dan non-MS dengan akurasi pengujian sebesar 89% pada skenario pembagian data 90% data latih, 5% data validasi, dan 5% data uji, serta akurasi pengujian sebesar 90% pada skenario 80% data latih, 10% data validasi, dan 10% data uji. Akurasi validasi tertinggi yang diperoleh mencapai 96,34% pada skenario 90% data latih dan 96,36% pada skenario 80% data latih. Selain itu, hasil evaluasi menunjukkan bahwa model memiliki performa yang lebih stabil dalam mengidentifikasi citra non-MS dibandingkan citra MS, meskipun masih ditemukan beberapa kesalahan klasifikasi pada kelas MS.]]>
Copyrights © 2026
