Analisis Perbandingan Optimizer Pada Model Convolutional Neural Network Untuk Deteksi Kanker Paru-Paru

Abstrak

Penelitian ini menekankan pentingnya deteksi dini kanker paru-paru, yang merupakan penyebab utama kematian terkait kanker secara global. Makalah ini menggarisbawahi tantangan analisis manual akibat terbatasnya sumber daya medis dan mengusulkan penggunaan CNN untuk mengotomatiskan proses deteksi. Penelitian ini membandingkan efektivitas berbagai optimizer dalam melatih model CNN untuk deteksi kanker paru- paru. Metodologi yang digunakan mencakup pengumpulan data, preprocessing, pembentukan arsitektur CNN, pelatihan, dan validasi. Hasil menunjukkan bahwa pemilihan optimizer berdampak signifikan pada akurasi model dan kecepatan konvergensi. Kesimpulan penelitian ini menyatakan bahwa meskipun baik SGD maupun RMSprop menghasilkan akurasi pelatihan yang tinggi, RMSprop menunjukkan akurasi validasi yang lebih baik.

Kata Kunci: kanker paru-paru, Convolutional Neural Networks (CNN), Akurasi Model