ANALISIS KOMPARATIF PENDEKATAN DEEP LEARNING UNTUK DETEKSI DAN SEGMENTASI TUMOR OTAK

SHAHIN SINGH DEOL, JUNARDY SAPUTRA, SEPTUAGESIMA D.P. SITUMORANG, SUKHBIR SINGH (2022) ANALISIS KOMPARATIF PENDEKATAN DEEP LEARNING UNTUK DETEKSI DAN SEGMENTASI TUMOR OTAK , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Tumor otak dianggap sebagai salah satu penyakit agresif, di antara anak-anak dan orang dewasa. Tingkat kelangsungan hidup orang yang mengidap kanker otak atau SSP selama 5 tahun adalah sekitar 34 persen untuk pria dan 36 persen untuk wanita. Tumor otak dapat menyebabkan kematian jika tidak terdeteksi secara dini dan akurat. Dibutuhkan perawatan yang tepat, perencanaan, dan diagnostik yang akurat harus diterapkan untuk meningkatkan harapan hidup pasien. Teknik terbaik untuk mendeteksi tumor otak adalah Magnetic Resonance Imaging (MRI). Namuun, MRI membutuhkan analisa kompleks dari seorang ahli bedah saraf profesional. Munculnya DL di bidang Computer Vision (CV), memberikan solusi mutakhir dalam masalah yang teknik pemrosesan gambar. Dengan menerapkan algoritma Convolution Neural Network (CNN) dan lima model Deep Learning )DL) untuk klasifikasi tumor otak melalui Transfer Learning (TF), penelitian ini memperoleh hasil akurasi dari model ResNet50 dan DenseNet121 yakni sebesar 93,23%, akan tetapi model VGG16 memiliki kinerja terbaik dengan akurasi 97,08% diikuti MobileNetV2 97.02 sedangkan DenseNet121mencapai hasil terendah dengan akurasi 92.86%.

JURNAL