Klasifikasi Jenis Tumor Otak Melalui Citra MRI dengan Menggunakan Convolutional Neural Network

Abstract

Pendeteksian tumor otak pada citra MRI menggunakan metode Convolutional Neural Network (CNN) semakin berkembang dalam diagnosis medis berbasis pencitraan. CNN memungkinkan identifikasi tumor seperti glioma, meningioma, dan tumor pituitari dengan akurasi tinggi melalui ekstraksi fitur otomatis dari citra MRI. Penelitian ini bertujuan untuk mengevaluasi efektivitas CNN dalam segmentasi dan klasifikasi tumor otak, serta meningkatkan efisiensi dan akurasi deteksi. Metode yang digunakan mencakup pengumpulan data MRI, preprocessing citra, augmentasi data, serta penerapan transfer learning untuk mengatasi tantangan keterbatasan data dan overfitting. Hasil penelitian menunjukkan model CNN mampu mencapai akurasi 96,57% pada data uji dengan precision = 96,70%, recall = 96,59%, dan F1-score = 96,60% yang sangat tinggi untuk semua kelas. Meskipun demikian, tantangan terkait komputasi tinggi dan variasi citra MRI masih perlu diatasi. Penelitian ini menegaskan pentingnya penggunaan dataset besar dan beragam untuk meningkatkan performa model dalam aplikasi klinis deteksi tumor otak.