Klasifikasi Tumor Otak Berdasarkan Gambar MRI Menggunakan EfficientNetV2B1

Alisio, Ricaro (2025) Klasifikasi Tumor Otak Berdasarkan Gambar MRI Menggunakan EfficientNetV2B1. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (756kB)
	PDF BAB_I.pdf Download (211kB)
	PDF BAB_II.pdf Download (743kB)
	PDF BAB_III.pdf Download (262kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (422kB)
	PDF BAB_V.pdf Download (203kB)
	PDF DAFTAR_PUSTAKA.pdf Download (213kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (241kB)

Abstract

Otak adalah organ utama dalam sistem saraf pusat yang bertanggung jawab untuk mengendalikan berbagai fungsi tubuh, termasuk pemikiran, ingatan, emosi, dan gerakan. Karena pentingnya fungsi otak bagi kehidupan manusia, kesehatan otak juga harus diperhatikan. Tumor otak adalah salah satu penyakit otak yang umum ditemukan di seluruh dunia pada tahun 2019. Terdapat sekitar 347992 kasus baru tumor otak di seluruh dunia dengan presentase meninggal sebesar 71% pada tahun 2019. Cukup sulit untuk melakukan diferensiasi antara berbagai jenis tumor otak seperti Glioma, pituitary dan Meningioma dari sebuah gambar MRI karena adanya berbagai kesamaan karakteristik diantara ketiganya. Penanganan dari jenis tumor otak seperti Glioma, Meningioma, dan Pituitary juga tidaklah sama, oleh karena itu penting untuk bisa membedakan dari ketiga jenis tumor tersebut. Karena kesulitan itu dalam melakukan perbedaan antara ketiga penyakit tersebut, penggunaan machine learning dapat menjadi salah satu alat bantu dalam melakukan pengambilan keputusan. Salah satu penggunaan machine learning dalam kasus ini adalah dengan menggunakan Convolutional Neural Network (CNN). CNN adalah sebuah algoritma yang menggunakan konsep aljabar linear khususnya pada operasi konvolusi yang berisikan berbagai operasi matematika di dalamnya untuk mengekstrak fitur dan melakukan identifikasi pada sebuah gambar. Pada penelitian ini akan digunakan pre trained model EfficientNetV2B1 dalam melakukan klasifikasi penyakit tumor otak. Penggunaan EfficientNetV2B1 dalam melakukan klasifikasi penyakit tumor otak pada penelitian ini mendapatkan angka akurasi sebesar 99,01%, precision sebesar 99,02%, recall sebesar 99,01%, dan F1-score sebesar 99,01%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	EfficientNetV2B1, Otak, Tumor
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	22 Jan 2025 10:55
Last Modified:	22 Jan 2025 10:55
URI:	https://kc.umn.ac.id/id/eprint/35767

Actions (login required)

View Item