Klasifikasi Tumor Otak Menggunakan Convolutional Neural Network

Abstract

Metode klasifikasi citra MRI otak yang digunakan pada penelitian ini adalah Deep Learning dengan Convolutional Neural Network (CNN) dengan 2 model skema arsitektur CNN. Model skema 1 terdapat 2 max pooling layer dan 2 hidden layer, sedangkan model skema 2 terdapat 3 max pooling layer dan 4 hidden layer.  Dataset yang digunakan memuat citra MRI otak manusia dengan total 7023 citra, dengan rincian 1621 Glioma, 1645 Meningioma, 1757 Pituitary, dan 2000 Notumor. Evaluasi F1-Score model skema 1 dan skema 2 berturut-turut: 96% dan 97%, Sedangkan untuk nilai Accuracy yaitu 98%. Hal ini menunjukkan bahwa nilai F1-Score dan Accuracy, model skema 2 lebih baik. Untuk menguji dataset digunakan 10 fold cross-validation menghasilkan nilai rata-rata Accuracy, F1-Score, Precision, dan Recall berturut-turut 0,8520, 0,8470, 0,8493 dan 0,8504, dengan standar deviasi yang kecil, yaitu berturut-turut 0,0352; 0,0346; 0,0337 dan 0,0353 yang menunjukkan bahwa penyimpangan sebaran nilai semakin mendekati nilai rata-ratanya. nilai metrik F1-score dan accuracy berturut-turut, 97,47% dan 97,39%. Hasil accuracy penelitian ini lebih tinggi dibandingkan dengan beberapa penelitian sebelumnya, yakni dari [1], [2], [3], [5], [7], dan [8], berturut-turut: 94.39%, 97.54%, 97.18%, 96.08%, 96,36%, dan 95.55%.