Implementasi Metode Extreme Learning Machine untuk Klasifikasi Tumor Otak pada Citra Magnetic Resonance Imaging

Abstract

Tumor otak merupakan penyakit yang menyerang otak makhluk hidup di mana sel otak tumbuh secara tidak normal pada daerah sekitar otak. Berbagai macam cara telah dilakukan untuk mendeteksi penyakit ini, bahkan dengan bantuan teknologi digital, satunya dengan melalui pendekatan anatomi citra kesehatan. Pada penelitian ini kami mengusulkan metode Extreme Learning Machine (ELM) sebagai pengklasifikasi citra tumor otak yang didapat melalui Magnetic Resonance Imaging. ELM dipilih karena keunggulannya pada proses pelatihan, yaitu lebih cepat dibanding algoritma pembelajaran mesin yang sifatnya iteratif. Dataset yang kami gunakan adalah Brain MRI Images for Tumor Detection. Dataset tersebut berisi dua kategori citra yaitu Tumor dan Otak tanpa tumor (sehat). Citra pada dataset tersebut dipraproses sebelum masuk tahap klasifikasi, ELM dilatih pada data latih dan melakukan pengujian performa pada data uji. Hasilnya ELM yang memiliki jumlah node pada lapisan tersembunyi sebanyak 2500 memiliki performa yang palin baik dibandingkan ELM yang memiliki node pada lapisan tersembunyi sebanyak 3000, 3500, dan 4000. Ini dibuktikan melalui nilai rata-rata presisi, recall, dan F1-score nya adalah 0.86 dan akurasi ujinya sebesar 86%.