Implementasi Convolutional Neural Network (CNN) dalam Klasifikasi Tumor Otak Menggunakan Citra Magnetic Resonance Imaging (MRI)

Wira Sakti, Andhika (2025) Implementasi Convolutional Neural Network (CNN) dalam Klasifikasi Tumor Otak Menggunakan Citra Magnetic Resonance Imaging (MRI). Skripsi thesis, Institut Teknologi Nasional Malang.

	Text 2118104_BAGIAN AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text 2118104_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (201kB)
	Text 2118104_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (498kB) | Request a copy
	Text 2118104_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (377kB) | Request a copy
	Text 2118104_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (671kB) | Request a copy
	Text 2118104_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (173kB) | Request a copy
	Text 2118104_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (160kB)
	Text 2118104_LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (5MB) | Request a copy

Abstract

Magnetic Resonance Imaging (MRI) berperan penting dalam diagnosis tumor otak. Namun, interpretasi manual citra MRI rentan variabilitas dan kesalahan. Penelitian ini bertujuan mengimplementasikan Convolutional Neural Network (CNN) untuk klasifikasi tumor otak menggunakan citra Magnetic Resonance Imaging (MRI), dengan fokus pada pengembangan model berbasis website yang efisien. Metode yang digunakan meliputi pra-pemrosesan data (resize, normalisasi pixel, augmentasi), ekstraksi fitur menggunakan CNN, modifikasi model (penambahan flatten layer, ReLU, dan softmax), kompilasi, pelatihan, evaluasi, dan pengujian model. Dataset yang digunakan terdiri dari 3 kelas: no tumor, glioma, dan meningioma. Hasil pengujian blackbox menunjukkan sistem berfungsi optimal pada berbagai browser. Pengujian model menunjukkan akurasi keseluruhan 93,3%, sensitivitas rata-rata 96,7%, dan spesifisitas rata-rata 97,2%. Penelitian ini diharapkan dapat berkontribusi pada pengembangan sistem otomatis diagnosis tumor otak, meningkatkan efisiensi dan akurasi.

Item Type:	Thesis (Skripsi)
Additional Information:	Andhika Wira Sakti (2118104)
Uncontrolled Keywords:	Convolutional Neural Network, Klasifikasi, Magnetic Resonance Imaging, Tumor Otak
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Andhika Wira Sakti
Date Deposited:	22 Aug 2025 05:11
Last Modified:	22 Aug 2025 05:11
URI:	http://eprints.itn.ac.id/id/eprint/14881

Actions (login required)

View Item