IMPLEMENTASI SISTEM DETEKSI TUMOR OTAK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN CITRA MAGNETIC RESONANCE IMAGING

Deteksi tumor otak merupakan tantangan besar dalam dunia medis, terutama dalam
meningkatkan akurasi dan kecepatan diagnosis. Penelitian ini mengembangkan model
deep learning berbasis Convolutional Neural Network (CNN) untuk mendeteksi tumor
otak pada citra Magnetic Resonance Imaging (MRI). Model yang digunakan meliputi
arsitektur Xception, DenseNet, dan Inception. Hasil evaluasi menunjukkan bahwa
model DenseNet memiliki akurasi terbaik sebesar 88%, diikuti oleh Xception dan
Inception dengan akurasi masing-masing 87%. Pengujian pada data uji menunjukkan
bahwa Xception memiliki tingkat prediksi paling akurat dengan confidence level ratarata 95,79% serta waktu pemrosesan tercepat, yaitu 1,54 detik per citra. Sementara itu,
DenseNet memiliki performa yang baik dengan confidence level 93,67% tetapi dari 12
citra yang di uji model ini hanya benar 10, dan juga membutuhkan waktu pemrosesan
lebih lama (6,40 detik per citra). Model Inception memiliki tingkat kesalahan lebih
tinggi dalam mendeteksi kategori Meningioma dengan confidence level rata-rata
84,66%. Selain itu, sistem deteksi tumor otak berbasis website telah berhasil
diimplementasikan dengan fitur unggah citra MRI, pemilihan model CNN, serta
tampilan hasil deteksi dengan confidence level dan waktu pemrosesan. Hasil penelitian
ini menunjukkan bahwa deep learning dapat meningkatkan efektivitas diagnosis tumor
otak serta berpotensi menjadi alat bantu bagi tenaga medis dalam mendukung
pengambilan keputusan klinis.