KLASIFIKASI TUMOR OTAK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR EFFICIENTNET-B3

Abstract

Tumor otak merupakan penyakit yang ditandai dengan pertumbuhan sel yang tidak normal pada jaringan otak. Salah satu cara yang dapat dilakukan dokter dalam pendeteksian tumor otak yaitu pengamatan langsung dengan diagnosis secara manual yang memiliki resiko terjadinya kesalahan. Perkembangan kecerdasan buatan terhadap computer vision saat ini sudah diterapkan dalam klasifikasi citra pada bidang kesehatan. Penelitian ini melakukan klasifikasi citra tumor otak menggunakan deep learning, khususnya metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNet-B3 serta melakukan hyper-parameter optimization untuk membangun model terbaik yang diterapkan dalam bentuk sistem. Dataset yang digunakan berjumlah 2875 gambar dengan kelas glioma dan meningioma yang diperoleh dari kaggle. Pengujian dilakukan dengan beberapa skenario dari learning rate serta kombinasi dari jumlah neuron pada dense layer. Hasil dari pengujian model dengan confusion matrix, mendapatkan akurasi tertinggi pada eksperimen dengan skenario learning rate 0.02 dan neuron pada dense layer berjumlah 256 yang menghasilkan akurasi mencapai 99.7% dan mendapatkan nilai F1-Score tertinggi mencapai 99.6%. Penerapan model terbaik yang dirancang dalam bentuk sistem berhasil melakukan prediksi terhadap jenis tumor glioma,  meningioma, dan pitutary