KLASIFIKASI TUMOR OTAK PADA CITRA MRI MENGGUNAKAN TIGA ARSITEKTUR MODEL CNN. = CLASSIFICATION OF BRAIN TUMORS ON MRI IMAGES USING THREE CNN MODEL ARCHITECTURE.

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 observasi langsung dengan diagnosis secara manual yang memiliki resiko terjadinya kesalahan. Perkembangan teknologi khususnya di bidang artificial intelligence (AI) dan machine learning berdampak besar pada bidang kedokteran yang meliputi Medical Recognation Image. Perkembangan kecerdasan buatan terhadap computer vision saat ini sudah diterapkan dalam klasifikasi citra pada bidang kesehatan. Oleh karena itu dibutuhkan sebuah metode yang dapat mengidentifikasi penyakit tumor otak dengan hasil yang optimal. Metode yang digunakan adalah Deep Learning dengan menggunakan algoritma Convolutional Neural Network (CNN) beserta arsitektur NASNetLarge, DenseNet201 dan MobileNet. Deep Learning adalah sebuah metode machine learning yang bekerja dengan cara meniru sistem kerja otak manusia, sistem ini disebut Neural Network. CNN merupakan salah satu jenis dari neural network, yang fungsi utamanya digunakan untuk data citra. Penelitian dilakukan dengan 1200 data citra penyakit tumor otak yang terbagi menjadi 4 kelas dengan masing-masing kelas memiliki 300 data citra. Dalam penelitian ini dilakukan pembagian data dengan rasio 8:2, data training sebanyak 80% dan data testing sebanyak 20%. Dari tiga arsitektur yang digunakan, model NASNetLarge mendapatkan akurasi training sebesar 95% dan akurasi validation sebesar 92%. Untuk model DenseNet201 mendapatkan akurasi training sebesar 95% dan akurasi validation sebesar 92%. Kemudian selanjutnya menggunakan model MobileNet. Hasil dari model ini lebih baik dibandingkan dua model arsitektur sebelumnya dengan mendapatkan akurasi training sebesar 96% dan akurasi validation sebesar 95%.