Browsing by Author "Mahendra, Randa"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    PENDEKATAN TRANSFER LEARNING DENGAN INCEPTIONRESNETV2 DAN AUGMENTASI MIXUP UNTUK PENINGKATAN KLASIFIKASI TUMOR OTAK
    (Program Studi S1 Informatika, 2025) Mahendra, Randa; Sukenda (Pembimbing)
    Tumor otak, termasuk Glioma, Meningioma, dan Pituitary, dapat dideteksi melalui MRI yang memberikan citra rinci struktur otak. Penelitian ini bertujuan mengembangkan alat berbasis kecerdasan buatan untuk klasifikasi tumor otak guna membantu diagnosis yang cepat dan akurat. Menggunakan pendekatan transfer learning pada arsitektur InceptionResNetV2 dengan augmentasi MixUp, model dilatih pada 7023 citra MRI (Glioma: 1621, Meningioma: 1645, Pituitary: 1757, No-tumor: 2000). Hasil penelitian menunjukkan bahwa model InceptionResNetV2 dengan augmentasi MixUp mencapai akurasi tertinggi sebesar 99,70 persen, mengungguli model lain seperti CNN dengan teknik Image Enhancement (97,84 persen) dan arsitektur CNN lainnya seperti Xception (98,00 persen), EfficientNet (98,00 persen), serta ResNet50 (98,47 persen). Evaluasi menggunakan metrik Precision-Recall dan metrik lainnya seperti MSE, RMSE, serta MAE menunjukkan performa yang kuat. Temuan ini mendukung penerapan transfer learning sebagai pendekatan yang efektif dalam klasifikasi citra medis, terutama dengan dataset yang terbatas. Penelitian ini menawarkan perspektif baru tentang penerapan pembelajaran mendalam dalam radiologi, membuka peluang untuk meningkatkan akurasi diagnosis tumor otak, mempercepat waktu evaluasi, dan mengurangi kesalahan manusia. Penelitian selanjutnya disarankan untuk menggunakan dataset MRI yang lebih besar dan beragam, mengeksplorasi transfer learning dengan dataset medis relevan, serta melakukan evaluasi pada data dunia nyata dan dataset multi-institusi untuk meningkatkan akurasi dan robustness model. Integrasi model dengan sistem pendukung keputusan klinis (CDSS) juga dapat meningkatkan dukungan diagnosis dan pengobatan.