Perpustakaan Digital ITB

Tumor otak yang bersifat ganas atau biasa disebut kanker otak, menjadi kanker dengan nomor urut ketiga yang bersifat mematikan. Diagnosa yang tepat terhadap grade tumor otak menjadi hal yang sangat penting untuk bisa memberikan rekomendasi pengobatan yang tepat. Adanya alat bantu dalam hal klasifikasi otomatis grade tumor otak diharapkan dapat mengurangi kesalahan diagnosa. Pada penelitian ini dilakukan klasifikasi otomatis untuk 4 kelas tumor otak, yaitu grade II, grade III, grade IV dan non tumor menggunakan metode Convolutional Neural Network (CNN) dengan tiga jenis model arsitektur yang berbeda, yaitu arsitektur yang dibangun sendiri, Resnet-152 dan VGG-16. Dataset yang digunakan berisi citra MRI yang berasal dari dataset REMBRANDT untuk jenis tumor otak grade II, III dan IV dan dataset IXI untuk citra MRI otak normal. Kedua dataset mengalami augmentasi untuk meningkatkan jumlah gambar. Hasilnya menunjukkan bahwa ketiga model arsitektur sudah dapat melakukan klasifikasi otomatis dengan baik, yaitu dengan tingkat akurasi masing-masing sebesar 84%, 95% dan 84%. Berdasarkan hasil tersebut juga dapat diketahui bahwa arsitektur Resnet-152 memberikan performa terbaik dalam membedakan grade tumor otak dibandingkan dengan dua model CNN lainnya.