PENERAPAN MODELTRANSFER LEARNING DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) PADA KLASIFIKASI TUMOR OTAK

Muhtarom , Ahkam Maulana (2024) PENERAPAN MODELTRANSFER LEARNING DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) PADA KLASIFIKASI TUMOR OTAK. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF Abstrak - Muhtarom Ahkam.pdf Download (17Kb) | Preview
	File PDF Skripsi Udh Di TTD - Muhtarom Ahkam.pdf Restricted to Hanya staf Download (4026Kb) | Minta salinan
Preview	File PDF Skripsi Tanpa Pembahasan - Muhtarom Ahkam.pdf Download (2757Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Tumor otak adalah suatu kondisi di mana sel-sel otak tumbuh dan berkembang secara tidak normal pada jaringan otak. Pendeteksian tumor otak oleh dokter dapat dilakukan dengan pemeriksaan fisik dan diagnosis manual. Diagnosis manual memiliki keterbatasan, yaitu kemungkinan terjadinya kesalahan diagnosis. Perkembangan artificial intelligence terhadap computer vision saat ini telah diterapkan dalam klasifikasi citra tumor otak. Penelitian ini melakukan klasifikasi citra tumor otak menggunakan deep learning, khususnya metode transfer learning dengan basis convolutional neural network (CNN). Model pre-trained yang digunakan untuk transfer learning ialah DenseNet121, InceptionResNetV2, MobileNetV2, NasNetMobile, ResNet50V2. Dataset yang digunakan berjumlah 7020 gambar dengan 4 kategori yaitu glioma, meningioma, pituitary, dan no-tumor yang diperoleh dari kaggle. Pengujian dilakukan dengan menggunakan beberapa skenario dari model pre-trained, dengan hyperparameter dropout rate dan dense unit yang terlah di-tuning. Evaluasi dari model yang dibangun menggunakan rata- rata akurasi, rata-rata presisi, rata-rata sensitifitas, dan rata-rata spesifisitas. Hasil evaluasi menunjukkan bahwa model dengan performa terbaik mampu mencapai akurasi sebesar 97,70% dengan loss sebesar 0.066. Hasil ini diilustrasikan dalam confusion matrix, yang menunjukkan bahwa model tersebut mampu mengklasifikasikan citra tumor otak dengan baik. Kata kunci: Klasifikasi, Transfer Learning, Tumor Otak, Convolutiunal Neural Network. Brain tumor is a condition when brain cells grow and develop abnormally in the brain tissue. Detection of brain tumors by doctors can be done by physical examination and manual diagnosis. Manual diagnosis has limitations, namely the possibility of misdiagnosis. The development of artificial intelligence towards computer vision has been applied in the classification of brain tumor images. This research classifies brain tumor images using deep learning, precisely the transfer learning method based on a convolutional neural network (CNN). Pre-trained model used for transfer learning are DenseNet121, InceptionResNetV2, MobileNetV2, NasNetMobile, and ResNet50V2. The dataset comprised 7020 images with four categories: glioma, meningioma, pituitary, and no-tumor obtained from Kaggle. Tests were carried out using several scenarios from the pre-trained model, which used for hyperparameters dropout rate and dense unit which already tuned. Evaluation of the model built using average accuracy, average precision, average sensitivity, and average specificity. The evaluation results showed that the best-performing model achieved an accuracy of 97.70% with a loss of 0.066. These results are illustrated in the confusion matrix, which shows that the model can classify brain tumor images well. Keywords: Classification, Transfer Learning, Brain Tumor, Convolutional Neural Network.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	UPT . Siswanti
Date Deposited:	13 Feb 2025 08:34
Terakhir diubah:	13 Feb 2025 08:34
URI:	http://digilib.unila.ac.id/id/eprint/83619

Actions (login required)

Lihat Karya Akhir