Klasifikasi Tumor Otak Menggunakan MobileNetV3-Large

Mahardhika Putra, Valentino (2026) Klasifikasi Tumor Otak Menggunakan MobileNetV3-Large. Bachelor Thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf
Restricted to Registered users only

Download (1MB)
[img] PDF
BAB_I.pdf

Download (223kB)
[img] PDF
BAB_II.pdf

Download (626kB)
[img] PDF
BAB_III.pdf
Restricted to Registered users only

Download (345kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (1MB)
[img] PDF
BAB_V.pdf
Restricted to Registered users only

Download (225kB)
[img] PDF
DAFTAR_PUSTAKA.pdf
Restricted to Registered users only

Download (238kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (624kB)
[img] Archive (ZIP)
00000074857_2521_LembarPengesahan.pdf
Restricted to Registered users only

Download (63kB)

Abstract

Tumor otak memerlukan proses identifikasi yang akurat melalui citra Magnetic Resonance Imaging (MRI). Penelitian ini bertujuan mengimplementasikan MobileNetV3-Large untuk mengklasifikasikan citra MRI ke dalam empat kelas, yaitu glioma, meningioma, pituitary, dan no tumor. Dataset penelitian terdiri atas 10.264 citra MRI yang diperoleh dari tiga dataset publik pada platform Kaggle. Eksperimen dilakukan melalui dua skenario. Skenario A mengevaluasi beberapa variasi rasio pembagian data, sedangkan Skenario B mengadaptasi alur eksperimen penelitian sebelumnya. Pada Skenario A, dua rasio dengan performa terbaik, yaitu 90:10 dan 75:25, dievaluasi kembali menggunakan tiga nilai seed untuk mengukur konsistensi performa model. Hasil terbaik diperoleh pada rasio 90:10 dengan nilai rata-rata accuracy sebesar 0,964622 ± 0,001124, precision sebesar 0,964909 ± 0,001165, recall sebesar 0,964622 ± 0,001124, dan F1-score sebesar 0,964514 ± 0,001208. Nilai standar deviasi yang rendah menunjukkan bahwa performa model relatif konsisten pada ketiga nilai seed. Berdasarkan hasil tersebut, MobileNetV3-Large mampu melakukan klasifikasi citra MRI tumor otak ke dalam empat kelas dengan performa yang tinggi dan konsisten.

Item Type: Thesis (Bachelor Thesis)
Creators: Mahardhika Putra, Valentino (00000074857)
Contributors: Irmina Prasetiyowati, Maria
Keywords: Citra MRI, Klasifikasi Tumor Otak, MobileNetV3-Large
Subjects: 000 Computer Science, Information and General Works
Divisions: Faculty of Engineering & Informatics > Informatics
Date Deposited: 22 Jul 2026 08:00
URI: https://kc.umn.ac.id/id/eprint/47855

Actions (login required)

View Item View Item