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

Abstrak

Tumor otak merupakan pertumbuhan sel
abnormal yang mengganggu fungsi otak. Deteksi dini penting
untuk meningkatkan akurasi diagnosis, namun segmentasi
manual citra MRI memerlukan keahlian tinggi. Penelitian ini
mengimplementasikan arsitektur U-Net sebagai metode
segmentasi otomatis pada citra MRI menggunakan data asli
dari Rumah Sakit Islam Jakarta Cempaka Putih. Eksperimen
dilakukan dengan variasi epoch (20–100) dan Learning rate
(1e-3 dan 1e-4). Konfigurasi terbaik diperoleh pada Learning
rate 1e-4 dan 100 epoch dengan Dice Coefficient 0,88 dan IoU
0,78. Sistem U-Net ini dapat meningkatkan efisiensi dan
akurasi diagnosis tumor otak.
Kata kunci : Tumor otak, MRI, Segmentasi, U-Net, Deep
Learning