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.