Klasifikasi Penyakit Tumor Otak Pada Citra Mri Menggunakan Metode CNN Dengan Arsitektur Alexnet

Abstrak

Abstrak Tumor otak merupakan salah satu penyakit berbahaya yang dapat mengganggu kerja otak. Penyakit ini dapat dideteksi dengan melakukan Magnetic Resonance Imaging (MRI) Scan. Saat ini para radiolog mendiagnosis penyakit tumor otak secara manual dengan membaca hasil citra MRI otak pasien. Namun, cara tersebut dapat mengurangi akurasi diagnosis karena keterbatasan mata manusia yang rentan terhadap kesalahan. Pada Tugas Akhir ini, dirancang suatu sistem berbasis deep learning, yaitu Convolutional Neural Network (CNN) dengan arsitektur AlexNet. Jumlah dataset yang digunakan dalam penelitian ini sebanyak 6484 citra MRI dengan empat kelas yaitu glioma, meningioma, pituitary, dan no tumor yang bersumber dari Kaggle.com. Pada sistem ini dilakukan pengujian terhadap beberapa parameter untuk mendapatkan hasil yang optimal. Parameter yang diuji yaitu ukuran citra, rasio data, optimizer, learning rate, ukuran batch dan jumlah epoch. Parameter tersebut selanjutnya dianalisis berdasarkan akurasi, loss, recall, presisi, dan F1 Score. Berdasarkan hasil pengujian, diperoleh parameter terbaik yang mempengaruhi kinerja sistem, yaitu menggunakan ukuran citra 224x224 piksel, rasio data latih 80%, data validasi 10%, serta data uji 10%, menggunakan Adam optimizer, learning rate 0.0001, menggunakan batch size 8 dan nilai epoch 50. Hasil terbaik yang didapatkan yaitu akurasi sebesar 98,84%, loss sebesar 0,1616, dengan nilai presisi 97,65%, recall 97,65%, dan F1 Score 97,65%.
Kata Kunci : Tumor otak, Klasifikasi, ConvolutionalNeuralNetwork,AlexNet