Deteksi Tumor Otak Menggunakan CNN
Main Article Content
Abstract
Deteksi tumor otak adalah tahap penting dalam diagnosis dan perawatan dini pasien. Dalam penelitian ini, kami mengusulkan pendekatan deteksi tumor otak menggunakan Convolutional Neural Network (CNN). Kami menggunakan dataset berisi gambar MRI otak yang diproses dengan teknik pemangkasan otak dan augmentasi data. Kami melatih model menggunakan arsitektur CNN dengan metode transfer learning dari model VGG-16. Hasil eksperimen menunjukkan performa yang baik dengan akurasi 80%. Penelitian ini menunjukkan potensi CNN dalam mendukung deteksi tumor otak.
Downloads
Download data is not yet available.
Article Details
Section
Articles
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
References
[1] A. Digdoyo, T. Surawan, A. S. B. Karno, D. R. Irawati, and Y. Effendi, “Deteksi Tumor Otak Dengan CNN Resnet-152,” J Teknol, vol. 9, no. 2, 2022, doi: 10.31479/jtek.v9i2.128.
[2] S. D. Kamil, D. Widiyanto, N. Chamidah, P. S. Informatika, F. I. Komputer, and D. Tree, “Perbandingan Metode Decision Tree Dengan Naïve Bayes Dalam Klasifikasi Tumor Otak Citra MRI,” Senamika, 2020.
[3] A. N. Rais and D. Riana, “Segmentasi Citra Tumor Otak Mengunakan Support Vector Machine Classifier,” Seminar Nasional Inovasi dan Tren (SNIT), vol. 1, no. 1, 2018.
[4] I. B. L. M. Suta, M. Sudarma, and I. N. Satya Kumara, “Segmentasi Tumor Otak Berdasarkan Citra Magnetic Resonance Imaging Dengan Menggunakan Metode U-NET,” Majalah Ilmiah Teknologi Elektro, vol. 19, no. 2, 2020, doi: 10.24843/mite.2020.v19i02.p05.
[5] Y. A. Suwitono and F. J. Kaunang, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining SEMMA Menggunakan Keras,” Jurnal Komtika (Komputasi dan Informatika), vol. 6, no. 2, 2022, doi: 10.31603/komtika.v6i2.8054.
[6] W. Hastomo and S. dan Sudjiran, “Convolution Neural Network Arsitektur Mobilenet-V2 Untuk Mendeteksi Tumor Otak,” Seminar Nasional Teknologi Informasi dan Komunikasi STI&K (SeNTIK), vol. 5, no. 1, 2021.
[7] I. B. L. M. Suta, R. S. Hartati, and Y. Divayana, “Diagnosa Tumor Otak Berdasarkan Citra MRI (Magnetic Resonance Imaging),” Majalah Ilmiah Teknologi Elektro, vol. 18, no. 2, 2019, doi: 10.24843/mite.2019.v18i02.p01.
[8] A. S. Febrianti, T. A. Sardjono, and A. F. Babgei, “Klasifikasi Tumor Otak pada Citra Magnetic Resonance Image dengan Menggunakan Metode Support Vector Machine,” Jurnal Teknik ITS, vol. 9, no. 1, 2020, doi: 10.12962/j23373539.v9i1.51587.
[9] R. Andre, B. Wahyu, and R. Purbaningtyas, “Klasifikasi Tumor Otak Menggunakan Convolutional Neural Network Dengan Arsitektur Efficientnet-B3,” Jurnal IT, vol. 11, no. 3, 2021.
[10] E. Itje Sela and A. Harjoko, “Deteksi dan Identifikasi Ukuran Obyek Abnormal (Studi kasus : Citra Otak Manusia),” Seminar Nasional Informatika Yogyakarta, 2011.
[2] S. D. Kamil, D. Widiyanto, N. Chamidah, P. S. Informatika, F. I. Komputer, and D. Tree, “Perbandingan Metode Decision Tree Dengan Naïve Bayes Dalam Klasifikasi Tumor Otak Citra MRI,” Senamika, 2020.
[3] A. N. Rais and D. Riana, “Segmentasi Citra Tumor Otak Mengunakan Support Vector Machine Classifier,” Seminar Nasional Inovasi dan Tren (SNIT), vol. 1, no. 1, 2018.
[4] I. B. L. M. Suta, M. Sudarma, and I. N. Satya Kumara, “Segmentasi Tumor Otak Berdasarkan Citra Magnetic Resonance Imaging Dengan Menggunakan Metode U-NET,” Majalah Ilmiah Teknologi Elektro, vol. 19, no. 2, 2020, doi: 10.24843/mite.2020.v19i02.p05.
[5] Y. A. Suwitono and F. J. Kaunang, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining SEMMA Menggunakan Keras,” Jurnal Komtika (Komputasi dan Informatika), vol. 6, no. 2, 2022, doi: 10.31603/komtika.v6i2.8054.
[6] W. Hastomo and S. dan Sudjiran, “Convolution Neural Network Arsitektur Mobilenet-V2 Untuk Mendeteksi Tumor Otak,” Seminar Nasional Teknologi Informasi dan Komunikasi STI&K (SeNTIK), vol. 5, no. 1, 2021.
[7] I. B. L. M. Suta, R. S. Hartati, and Y. Divayana, “Diagnosa Tumor Otak Berdasarkan Citra MRI (Magnetic Resonance Imaging),” Majalah Ilmiah Teknologi Elektro, vol. 18, no. 2, 2019, doi: 10.24843/mite.2019.v18i02.p01.
[8] A. S. Febrianti, T. A. Sardjono, and A. F. Babgei, “Klasifikasi Tumor Otak pada Citra Magnetic Resonance Image dengan Menggunakan Metode Support Vector Machine,” Jurnal Teknik ITS, vol. 9, no. 1, 2020, doi: 10.12962/j23373539.v9i1.51587.
[9] R. Andre, B. Wahyu, and R. Purbaningtyas, “Klasifikasi Tumor Otak Menggunakan Convolutional Neural Network Dengan Arsitektur Efficientnet-B3,” Jurnal IT, vol. 11, no. 3, 2021.
[10] E. Itje Sela and A. Harjoko, “Deteksi dan Identifikasi Ukuran Obyek Abnormal (Studi kasus : Citra Otak Manusia),” Seminar Nasional Informatika Yogyakarta, 2011.