KLASIFIKASI TUMOR OTAK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG-16
Article Sidebar
Read Counter : 9
Download : 4
Main Article Content
Abstract
Pertumbuhan sel yang tidak normal pada jaringan otak dikenal sebagai tumor otak. Salah satu cara dokter mendeteksi tumor otak adalah melalui observasi langsung dengan diagnosis manual, yang memiliki risiko kesalahan. Perkembangan artificial intelligence pada bidang computer vision kini telah diterapkan dalam klasifikasi citra di sektor kesehatan. Studi ini mengklasifikasikan citra tumor otak menggunakan deep learning, khususnya metode Convolutional Neural Network (CNN) dengan arsitektur VGG-16 untuk membangun model terbaik yang diterapkan dalam bentuk sistem. Dataset yang digunakan terdiri dari 3.264 citra dengan kelas pituitary, meningioma, glioma, dan no (no tumor) yang diperoleh dari Kaggle. Pengujian dilakukan dengan beberapa skenario learning rate dan kombinasi jumlah neurons pada dense layer.
Downloads
Article Details
Section
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
How to Cite
References
[1] M. S. Fattah, D. Z. Haq, D. C. R. Novitasari, “Pengolahan Citra Digital untuk Identifikasi Kanker Otak Menggunakan Metode Deep Belief Network (DBN)”, Jurnal Informatika Universitas Pamulang, vol. 6, no. 4, pp. 735-742, 2021.
[2] Janice L. Hinkle, Kerry H. Cheever, Kristen J. Overbaugh, “Brunner & Suddarth's Textbook of Medical-Surgical Nursing (15th ed.)”, Wolters Kluwer Health, 2021.
[3] Toqa A. Sadoon, Mohammed H. Ali, “Deep Learning Model For Glioma, Meningioma And Pituitary Classification”, Internasional Journal of Advances in Apllied Sciences (IJAAS), vol. 10, no. 1, pp. 88-98. doi:10.11591, 2021.
[4] Anindya Apriliyanti Pravitasari, Yusuf Puji Hermanto, Nur Iriawan, Irhamah, Kartika Fithriasari, Santi Wulan Purnami, Widiana Ferriastuti, “MRI-based Brain Tumor Segmentation Using Gaussian Mixture Model With Reversible Jump Markov Chain Monte Carlo Algorithm”, 2nd International Conference on Science, Mathematics, Environment, and Education and AIP Conference Proceedings, vol. 2194, 2019.
[5] Tjahyaningtijas, H. P, “Klasifikasi Tumor Otak Pada Citra MRI Menggunakan en-CNN", Journal Faculty of Intelligent Electrical and Informatics Technology, Surabaya: Institut Teknologi Sepuluh Nopember, 2021.
[6] Ardan, I. S, “Rancang Bangun Sistem Deteksi Tumor Otak pada Citra MRI Menggunakan CNN”, Journal Faculty of Intelligent Electrical and Informatics Technology, Surabaya: Institut Teknologi Sepuluh Nopember, 2023.
[7] A. Krizhevsky, I. Sutskever, dan G. E. Hinton, “ImageNet Classification with Deep Convolutional Neural Networks,” Commun ACM, vol. 60, no. 6, pp. 84-90, 2017.
[8] Marta Araujo-Castro, Victor Rodriguez Berrocal, Eider Pascual-Corrales, “Pituitary tumors: epidemiology and clinical presentation spectrum”, Hormones Article, vol. 19, pp. 145-155, doi:10.1007, 2020.
[9] Asayel A. Alruwaili, Orlando De Jesus, “Meningioma”. StatPearls Publishing Book, 2022.
[10] II, T. B, “Introduction to Deep Learning Using R”, ed.1, San Francisco, USA: Apress Berkeley Book, CA, 2017.