DETEKSI TUMOR OTAK MENGGUNAKAN CITRA MRI (MAGNETIC RESONANCE IMAGING) MELALUI PENDEKATAN DEEP CONVOLUTIONAL NEURAL NETWORK

RAIHAN RAMA SURYA PUTRA (2025) DETEKSI TUMOR OTAK MENGGUNAKAN CITRA MRI (MAGNETIC RESONANCE IMAGING) MELALUI PENDEKATAN DEEP CONVOLUTIONAL NEURAL NETWORK. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_55201_2102020034.pdf Download (20MB)

Abstract

ABSTRAK Proses pengolahan data penyakit daun tumor otak dengan menggunakan MRI, dalam melihat perkembangan penyakit tumor otak maka perlu adanya suatu sistem yang dapat menganalisis penyakit tumor otak yang berhubungan akurasi, presisi dan juga recall yang akan membandingkan beberapa jenis penyakit tumor otak. Tujuan penelitian dapat melakukan deteksi tumor otak dengan melihat citra MRI pada hasil scannya, mempercepat hasil rekaman medis yang menggunakan MRI lebih cepat dan juga dapat menganalisis secara efektif dan efisien. Selain itu dalam mengembangkn kolaborasi untuk mengetahui letak atau posisi penyakit tumor dan berjenis apa penyakit tersebut. Klasifikasi tumor otak menggunakan arsitektur MobileNet telah menjadi fokus utama dalam penelitian berbasis pembelajaran mendalam (deep learning). MobileNet, yang dikenal karena efisiensinya dalam penggunaan sumber daya dan akurasi yang tinggi, digunakan untuk mengklasifikasikan berbagai jenis tumor otak dari citra Magnetic Resonance Imaging (MRI). akurasi yang baik sambil tetap mempertahankan kecepatan pemrosesan yang tinggi. Dalam beberapa studi, model ini telah mencapai akurasi hingga 97% pada data pelatihan dan 94% pada data pengujian. Hasil ini menunjukkan bahwa MobileNet tidak hanya efisien tetapi juga efektif dalam mendeteksi dan mengklasifikasikan jenis tumor otak dengan baik. Hal ini sangat penting dalam konteks klinis, di mana diagnosis yang cepat dan akurat dapat meningkatkan peluang perawatan yang berhasil bagi pasien . Kata Kunci : Deteksi, Penyakit Tumor Otak, MRI dan D- CNN

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Informatika
Depositing User:	Admin Perpus UnivBI
Date Deposited:	30 Mar 2026 09:34
Last Modified:	30 Mar 2026 09:34
URI:	https://eprints.univbinainsan.ac.id/id/eprint/644

Actions (login required)

View Item