Implementasi Convolutional Neural Network Pada Deteksi Tumor Otak
PDF

Keywords

Tumor Otak
Convolutiunal Neural Network
Akurasi

How to Cite

Arsyad, N. P., Wulanningrum, R., & Setiawan, A. B. (2024). Implementasi Convolutional Neural Network Pada Deteksi Tumor Otak. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 8(3), 1316–1323. Retrieved from https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/5069

Abstract

Tumor otak adalah pertumbuhan abnormal sel di otak yang dapat mengganggu fungsi vital sistem saraf pusat, dan bisa bersifat jinak atau ganas, berbeda dari tumor di area lain. Saat ini, deteksi tumor otak masih dilakukan secara manual oleh radiolog atau dokter, sehingga pasien tidak mengetahui tingkat akurasi deteksi tersebut. Penerapan Convolutional Neural Network (CNN) untuk mendeteksi tumor otak dari gambar MRI diharapkan dapat membantu, dengan akurasi sekitar 90%. Solusi ini diharapkan dapat membantu tenaga medis mendeteksi tumor otak dengan lebih cepat dan akurat

PDF

References

V. Essianda, A. D. Indrasari, P. Widyastuti, T. Syahla, dan R. Rohadi, “Brain Tumor : Molecular Biology, Pathophysiology, and Clinical Symptoms,” Jurnal Biologi Tropis, vol. 23, no. 4, hlm. 260–269, Sep 2023, doi: 10.29303/jbt.v23i4.5585.

F. Citra R, F. Indriyani, dan I. R. Rahadjeng, “Klasifikasi Tumor Otak Berbasis Magnetic Resonance Imaging Menggunakan Algoritma Convolutional Neural Network,” Digital Transformation Technology, vol. 3, no. 2, hlm. 918–924, Jan 2024, doi: 10.47709/digitech.v3i2.3469.

H. Nurvan, A. Kesuma Wardani, N. E. Palupi, R. Sakit, dan A. B. Bekasi, “ARTIKEL PENELITIAN Karakteristik Pemeriksaan Pasien Di Instalasi Radiologi Rumah Sakit Ananda Babelan Bekasi Periode Agustus 2021-Juli 2022 : Studi Retrospektif,” vol. 4, 2023, [Daring]. Tersedia pada: https://jurnal.umsu.ac.id/index.php/JPH

H. Nurvan, A. Kesuma Wardani, N. E. Palupi, R. Sakit, dan A. B. Bekasi, “ARTIKEL PENELITIAN Karakteristik Pemeriksaan Pasien Di Instalasi Radiologi Rumah Sakit Ananda Babelan Bekasi Periode Agustus 2021-Juli 2022 : Studi Retrospektif,” vol. 4, 2023, [Daring]. Tersedia pada: https://jurnal.umsu.ac.id/index.php/JPH

Y. A. Suwitono dan F. J. Kaunang, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining SEMMA Menggunakan Keras,” Jurnal Komtika (Komputasi dan Informatika), vol. 6, no. 2, hlm. 109–121, Nov 2022, doi: 10.31603/komtika.v6i2.8054.

Cleveland Clinic, “Glioma.” Diakses: 20 Desember 2023. [Daring]. Tersedia pada: https://my.clevelandclinic.org/health/diseases/21969-glioma

dr. Pittara, “Meningioma.” Diakses: 20 Desember 2023. [Daring]. Tersedia pada: https://www.alodokter.com/meningioma

N. P. Sazqiah dkk., “Seminar Nasional Keinsinyuran (SNIP) Pengenalan Aksara Lampung Menggunakan Metode CNN (Convolutional Neural Network).”

B. Budiman, C. Lubis, ) Novario, dan J. Perdana, “PENDETEKSIAN PENGGUNAAN MASKER WAJAH DENGAN METODE CONVOLUTIONAL NEURAL NETWORK.” [Daring]. Tersedia pada: https://miro.medium.com/max/444/1*gpB2G2JsJ0mk1

Y. Bili dkk., “Perancangan Alat Pendeteksi Kematangan Buah Nanas Dengan Menggunakan Mikrokontroler Dengan Metode Convolutional Neural Network (CNN),” 2022. [Daring]. Tersedia pada: http://ojs.fikom-methodist.net/index.php/METHOTIKA

A. A. Faudisyah, K. Dwi Hartomo, dan H. D. Purnomo, “Deteksi Cacat pada Isolasi Trafo Secara Visual menggunakan Algoritma Convolutional Neural Network (CNN),” Fakultas Teknologi Informasi, 2023, doi: 10.35870/jti.

S. Suhendar, A. Purnama, dan E. Fauzi, “Deteksi Penyakit Pada Daun Tanaman Ubi Jalar Menggunakan Metode Convolutional Neural Network”.

N. K. Negoro, E. Utami, dan A. Yaqin, “KLASIFIKASI DETEKSI PENGGUNAAN MASKER MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 8, no. 2, hlm. 664–674, Mei 2023, doi: 10.29100/jipi.v8i2.3748.

A. Reza Fahcruroji dkk., “IMPLEMENTASI ALGORITMA CNN MOBILENET UNTUK KLASIFIKASI GAMBAR SAMPAH DI BANK SAMPAH”.

S. A. Suryaman, R. Magdalena, dan S. Sa’idah, “Klasifikasi Cuaca Menggunakan Metode VGG-16, Principal Component Analysis Dan K-Nearest Neighbor,” Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, hlm. 1–8, Agu 2021, doi: 10.54082/jiki.1.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2024 Nandito Pramudya Arsyad, Resty Wulanningrum, Ahmad Bagus Setiawan

Downloads

Download data is not yet available.