Klasifikasi Tumor Otak Menggunakan CNN Dengan Arsitektur Resnet50

Authors : Mohammad Liyananta Septipalan; Fitri Bimantoro; Muhammad Shata’ Hibrizi; Nurun Latifah; Rosa Lina
article cite 1 Year 2024
source: Seminar Nasional Teknologi & Sains
Abstract

Penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) dengan model ResNet-50 untuk mengklasifikasikan jenis tumor otak berdasarkan gambar MRI. Dataset terdiri dari empat kelas: Glioma, Hipofisis, Meningioma, dan Normal. Metode penelitian melibatkan pengumpulan data, preprocessing, desain arsitektur CNN, pelatihan model, dan evaluasi. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan jenis tumor otak dengan akurasi yang memuaskan. Penerapan ResNet-50 meningkatkan kinerja dengan mengatasi masalah hilangnya gradien. Berdasarkan penelitian tersebut, klasifikasi tumor otak menggunakan CNN dengan arsitektur Resnet50 dapat mendukung deteksi dini tumor otak untuk meningkatkan akurasi diagnostik. Pada penelitian ini akurasi terbaik diperoleh sebesar 96% pada percobaan epoch ke-11.


Concepts :
AI in cancer detection
Computer Science and Engineering
article cite 1 Year 2024 source Seminar Nasional Teknologi & Sains
Citations by Year
YearCount
2024 1