<![CDATA[Tumor Otak merupakan penyakit mematikan yang menempati urutan ke-10 sebagai penyebab kematian baik pada pria maupun wanita. Angka mortalitas (jumlah kematian) akibat tumor otak adalah 4,25 per 100.000 penduduk per tahun. Tumor pada otak dapat dideteksi melalui pemeriksaan Magnetic Resonance Imaging (MRI). Dengan mengolah citra yang dihasilkan oleh alat MRI dapat dikembangkan metode pendeteksian tumor otak yang mampu mendeteksi dan mengklasifikasika jenis tumor otak. Klasifikasi jenis tumor otak sangat penting bagi pasien dalam peningkatan perawatan. Dengan perawatan yang tepat, perencanaan, dan diagnosa yang akurat akan dapat meningkatkan harapan hidup pasien Tumor Otak. Klasifikasi menggunakan pemrosesan gambar tradisional telah secara bertahap digantikan oleh Deep Learning salah satunya adalah Convolutional Neural Network. Convolutional Neural Network (CNN) menggunakan arsitektur CNN MobileNetV2. MobilenetV2 memiliki score akurasi cukup tinggi, jumlah training parameters dan model size yang kecil namun memiliki performa yang baik. Tahapan penelitian berupa pengumpulan data, data prepocessing, klasifikasi, evaluasi dan implementasi. Arsitektur MobileNetV2 mampu melakukan klasifikasi jenis tumor otak dengan baik yang dibuktikan dengan hasil akurasi sebesar 88.64%, nilai loss 0.3424, pada Confusion Matrik yang menunjukkan hasil klasifikasi yang benar lebih banyak daripada hasil klasifikasi yang salah dan dari 32 citra sample yang terlihat sejumlah 28 citra terdeteksi sesuai (benar).]]>
Copyrights © 2022
