Prediksi Tumor Otak Menggunakan Metode Convolutional Neural Network (CNN) dan Algoritma Decision Tree

Abstract

 Berkembangnya teknologi memberikan banyak pengaruh signifikan di berbagai sektor, termasuk di bidang kesehatan. Salah satu permasalahan yang menjadi fokus adalah deteksi dan klasifikasi tumor otak. Klasifikasi tumor otak merupakan penelitian yang sangat penting untuk membantu memprediksi apakah seseorang terinfeksi tumor atau tidak, sehingga dapat mendukung pengambilan keputusan klinis yang lebih baik. Dalam klasifikasi citra medis, algoritma Machine Learning telah diterapkan secara luas, di mana metode seperti Decision Tree dan Convolutional Neural Network (CNN) menjadi yang paling sering digunakan untuk analisis citra medis. Penelitian ini bertujuan untuk mengevaluasi kinerja CNN dalam mendeteksi tumor otak dari citra MRI. Dataset yang digunakan terdiri dari dua kelas: "No Tumor" dan "Yes Tumor". Model CNN dirancang untuk melakukan klasifikasi secara end-to-end, sementara fitur yang diekstraksi dari CNN digunakan untuk melatih model Decision Tree sebagai pendekatan hybrid. Proses pelatihan melibatkan teknik optimasi dan evaluasi untuk memastikan hasil yang maksimal. Hasil penelitian menunjukkan bahwa model CNN sebagai model end-to-end berhasil mencapai akurasi sebesar 96% pada data validasi, sedangkan pendekatan hybrid dengan ekstraksi fitur menggunakan CNN dan klasifikasi oleh Decision Tree menghasilkan akurasi sebesar 92%. Studi ini menyoroti potensi besar CNN dalam diagnosis berbasis citra medis, khususnya untuk tumor otak, sekaligus merekomendasikan eksplorasi lebih lanjut menggunakan metode seperti augmentasi data, transfer learning, dan pengujian pada dataset yang lebih besar dan beragam.