IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT LAMBUNG MELALUI CITRA ENDOSKOPI = IMPLEMENTATION OF CONVOLUTIONAL NEURAL NETWORK FOR GASTRIC DISEASE CLASSIFICATION THROUGH ENDOSCOPIC IMAGES

MUHAMMAD HIJIR ISMAIL. Implementasi Convolutional Neural Network Untuk Klasifikasi Penyakit Lambung Melalui Citra Endoskopi (dibimbing oleh Elly Warni). Latar Belakang. Penyakit lambung adalah salah satu penyakit umum yang sering terjadi di masyarakat. Menurut World Health Organization (WHO), kanker lambung menjadi kanker ke-5 yang paling umum didiagnosa dan penyebab kematian ke-4 akibat kanker di dunia pada tahun 2020, dengan lebih dari 1 juta kasus baru dan 769.000 kematian. Endoskopi menjadi metode utama untuk mendiagnosis penyakit lambung. Artificial Intelligence (AI) dapat membantu ahli endoskopi menganalisis hasil secara lebih efektif, sehingga meningkatkan akurasi diagnosis. Tujuan. Penelitian ini bertujuan mengklasifikasikan jenis-jenis penyakit lambung dari citra endoskopi, seperti Gastritis, Kanker, dan Polip. Metode. Penelitian ini terdiri dari beberapa tahap dengan memakai metode Deep Learning dengan arsitektur CNN, VGG16, dan ResNet50V2. Dataset yang digunakan terdiri dari 2732 citra terbagi ke dalam 4 kelas. Data diolah melalui augmentasi seperti rescale, zoom, dan flip, serta teknik SMOTE untuk mengatasi ketidakseimbangan data. Data dilatih dalam dua skenario klasifikasi, yaitu 4 kelas dan 3 kelas, kemudian dievaluasi. Hasil. Model ResNet50V2 memiliki performa terbaik dalam mengklasifikasikan dataset dari RSUP Dr. Wahidin Sudirohusodo Makassar. Model ini mencapai akurasi validasi 0,97 pada klasifikasi 3 kelas dan 0,8773 pada 4 kelas, dengan tingkat overfitting rendah. Model CNN dan VGG16 juga cukup baik, tetapi mengalami overfitting yang terlihat dari perbedaan akurasi pelatihan dan validasi. Kesimpulan. ResNet50V2 direkomendasikan karena mampu menggeneralisasi pola dengan baik dan menghasilkan akurasi stabil.