Perbandingan Kinerja CNN dan Hybrid CNN-SVM untuk Deteksi Demensia Berbasis Citra MRI pada Otak

Daniel Dwitama, Gregorius (2026) Perbandingan Kinerja CNN dan Hybrid CNN-SVM untuk Deteksi Demensia Berbasis Citra MRI pada Otak. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (943kB)
	PDF BAB_I.pdf Download (156kB)
	PDF BAB_II.pdf Download (802kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (311kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (139kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (383kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (743kB)
	Archive (ZIP) 00000075740_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Demensia merupakan penyakit neurodegeneratif yang menyebabkan penurunan fungsi kognitif, seperti daya ingat, kemampuan berpikir, dan pengambilan keputusan. Meningkatnya jumlah penderita demensia mendorong perlunya metode deteksi dini yang akurat, salah satunya melalui analisis citra MRI otak. Penelitian ini bertujuan membandingkan performa model Convolutional Neural Network (CNN) dan hybrid CNN-SVM dalam mengklasifikasikan demensia berdasarkan citra MRI. Metode penelitian menggunakan framework CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Dataset yang digunakan terdiri dari 86.437 citra MRI otak yang dikelompokkan ke dalam empat kelas, yaitu Non Demented, Very Mild Dementia, Mild Dementia, dan Moderate Dementia. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa kedua model mampu menghasilkan performa klasifikasi yang sangat baik, namun hybrid CNN-SVM memberikan hasil yang lebih stabil dan sedikit lebih unggul dibandingkan CNN pada beberapa metrik evaluasi. Temuan ini menunjukkan bahwa kombinasi CNN dan SVM berpotensi meningkatkan akurasi dan konsistensi klasifikasi citra MRI sehingga dapat mendukung pengembangan sistem deteksi dini demensia berbasis kecerdasan buatan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Daniel Dwitama, Gregorius (00000075740)
Contributors:	Suryasari, Suryasari
Keywords:	Convolutional Neural Network, Demensia, Hybrid CNN- SVM, Klasifikasi Demensia, MRI Otak,
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	24 Jul 2026 08:05
URI:	https://kc.umn.ac.id/id/eprint/48038

Actions (login required)

View Item