| Summary: | Penanganan tumor otak dilakukan oleh dokter dan dituntut untuk cepat dan akurat. Sehingga menimbulkan masalah seperti beban kerja tinggi, memerlukan waktu banyak, dan adanya kesalahan manusia. Alat bantu diagnosis menggunakan DL adalah solusi karena dapat mengurangi hingga meniadakan kesalahan manusia, efisien, menghasilkan keputusan yang tidak bias, dan selalu tersedia (availability). Model DL yang dirancang menggunakan transfer learning ResNet101V2 untuk mengklasifikasi tumor meningioma, glioma, pituitary, dan normal dari hasil citra MRI. Penelitian ini akan merancang DL sebagai alat bantu diagnosis.
Perancangan dilakukan dengan tahapan berikut. Pertama, pengumpulan data yang membahas penerapan, aturan terkait, dan ketersediaan data. Kedua, pengolahan data untuk membuat data dapat dipelajari model. Ketiga, model engineering yang merancang arsitektur dan algoritma model agar dapat menggeneralisasi data dengan baik. Terakhir, evaluasi model yang akan mengevaluasi performa model untuk pengambilan keputusan model terbaik atau perancangan kembali.
Penelitian ini menghasilkan 3 model dengan pertimbangan dari evaluasi model. Model 3 adalah model terbaik dengan akurasi pada data latih, validasi, dan tes secara urut adalah 98,38%, 96,97%, dan 96,15% sedangkan loss-nya adalah 0,05, 0,09, dan 0,11. Alat bantu diagnosis dapat digunakan untuk memprediksi tumor dari sebuah gambar hasil citra MRI dan/atau dari sekumpulan gambar hasil cita MRI dari seorang pasien.
|
|---|