ANALISIS SISTEM DETEKSI SIMPTOM ALZHEIMER MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

MOHAMAD RIZAL

Informasi Umum

Kode

21.04.787

Klasifikasi

621.38 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal Processing

Informasi Lainnya

Abstraksi

Penyakit Alzheimer memiliki resiko tinggi pada manusia yang berada di usia lanjut. Di Indonesia pada tahun 2015 telah diperkirakan pengidap penyakit ini mencapai 6,5 % populasi lansia. Oleh karena itu diperkirakan pengidap penyakit Alzheimer bertambah 12 ribu orang per tahunnya dengan dengan adanya faktor pertumbuhan penduduk. Peningkatan ini menyebabkan diperlukan alat bantu bagi para tenaga medis untuk mendeteksi gejala-gejala yang ditimbulkan akibat penyakit ini. Proses identifikasi dan klasifikasi citra hasil Magnetic Resonance Imaging (MRI) yang akurat membutuhkan tenaga ahli dan sistem deteksi yang mumpuni.

Pada Tugas Akhir kali ini akan dilakukan implementasi CNN pada citra dua dimensi yaitu MRI. Data MRI dibagi menjadi dua bagian yaitu data latih dan data uji. Arsitektur yang digunakan adalah Convolutional Neural Network yang terdiri dari empat hidden layer dengan output channel 64, 128, 256, dan 512 pada masing-masing layer. Pada tahap klasifikasi menggunakan fungsi aktifasi softmax untuk mengkalsifikasikan kedalam kondisi non-demented, very mild demented, mild demented, dan moderate demented.

Jumlah data yang digunakan pada penelitian ini berjumlah 964 yang terbagi menjadi 720 data latih dan 244 data uji. Performa sistem akan diukur dengan menganalisis pengaruh output channel, jumlah hidden layer, optimizer dan learning rate. Hasil yang diperoleh pada kondisi optimal didapatkan nilai akurasi, presisi, recall, dan F1-score yaitu masing-masing 86,48%, 88,87%, 88,85%, dan 88,79%. Nilai optimal didaptakan dari akurasi tertinggi dengan hasil yang tidak overshooting.