Analisis Performa Model Deep Learning VGG16 dan ResNet dalam Klasifikasi Jenis Tumor Otak

Abstrak

Tumor otak adalah penyakit tumbuhnya sel yang tidak normal di bagian otak. Tumor otak dapat menyerang berbagai kalangan menusia dari kalangan dewasa dan anak-anak. Penggunaan deep learning salah satunya adalah Convolutional Neural Network (CNN) mampu membantu di bidang medis untuk membantu mengklasifikasikan adanya penyakit tumor otak pada manusia. Sistem deep learning akan menangkap data berbentuk gambar MRI yang kemudian akan diproses. Pada penelitian sebelumnnya, penggunaan model MobileNetV2 mampu mendapatkan hasil akurasi sebesar 88.64% dengan 30 epochs. Penggunaan model MobileNetV2 mampu berjalan dengan komputasi yang ringan tetapi model tersebut tidak dapat mengenralisasi dengan baik model yang lebih berat untuk dataset yang lebih besar dan kompleks. Penggunaan model VGG16 dan Resnet diharapkan mampu memberikan akurasi yang lebih tinggi serta dapat digunakan untuk membaca dataset yang lebih kompleks dan lebih besar.  Proses penglasifikasian tumor otak terdiri dari empat kelas yaitu glioma tumor, meningioma tumor, pituitary tumor, no tumo. Hasil akhir penelitian model VGG16 mampu memberikan akurasi sebesar 96.07 % dan model Resnet mampu memberikan akurasi sebesar 87,52%.