ABSTRAK

Tingginya angka kematian akibat tumor otak menyebabkan penyakit ini perlu dideteksi sejak dini. Namun pendeteksian tumor otak masih dilakukan dengan membaca hasil MRI secara manual oleh tim medis sehingga menimbulkan risiko terjadinya kesalahan saat membaca data. Sehingga perlu dilakukan penelitian untuk membuat sistem deteksi tumor otak secara otomatis, khususnya untuk menentukan jenis-jenis tumor otak yang diderita pasien.

Pada tugas akhir ini telah dibuat sistem untuk mengklasifikasikan jenis tumor otak ke dalam empat kelas, yaitu no tumor, glioma, meningioma dan pituitary. Sistem akan dibuat menggunakan Convolutional Neural Network (CNN) dengan arsitektur AlexNet. Data yang digunakan dalam penelitian ini adalah data publik tumor otak yang diperoleh secara online melalui Kaggle yang terdiri dari 3.264 citra MRI berukuran 224 piksel dengan format jpg. Proses augmentasi juga ditambahkan pada data training untuk memperoleh dataset yang lebih bervariasi.

Penelitian tugas akhir ini bertujuan untuk merancang sistem klasifikasi jenis tumor otak menggunakan CNN lalu menganalisis parameter yang mempengaruhi performa sistem berdasarkan pengaruh optimizer, batch size, learning rate, serta dropout. Parameter yang akan digunakan untuk mengevaluasi performa sistem adalah akurasi, presisi, recall, f-1 score, dan loss function. Berdasarkan hasil pengujian sistem, model terbaik diperoleh dengan AdaMax optimizer, learning rate 0,001, iterasi 55 epoch dengan early stopping, dan batch size 32. Kedua jenis dataset memperoleh hasil yang tidak jauh berbeda, namun hasil terbaik ditunjukkan pada dataset hasil augmentasi dengan akurasi 94,00%, nilai presisi 94,00%, nilai recall 94,50%, dan f1-score 94,25%.

Kata Kunci: Tumor otak, Convolutional Neural Network (CNN), AlexNet.