ANALISIS PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM KLASIFIKASI CITRA MRI UNTUK MENDETEKSI TUMOR OTAK DI RUMAH SAKIT XYZ

Fadhlina Shifa Hanum; Akhmad Rizal Dzikrillah;

Analisis Penerapan Convolutional Neural Network (CNN) dalam Klasifikasi
Citra MRI untuk Mendeteksi Tumor Otak di Rumah Sakit XYZ

Fadhlina Shifa Hanum

Tumor otak merupakan penyakit serius yang memerlukan diagnosis cepat dan akurat untuk
menentukan intervensi medis yang tepat. Diketahui Rumah Sakit XYZ telah menggunakan MRI
dalam mendiagnosis tumor otak namun, tantangan utama yang dihadapi adalah interpretasi hasil
MRI secara manual yang bergantung pada dokter dan berpotensi menimbulkan kesalahan manusia
dan dapat memperlambat proses diagnosis. Penelitian ini bertujuan untuk memprediksi tumor otak
di Rumah Sakit XYZ. Peneliti menggunakan Algoritma CNN untuk mengklasifikasi dan
memprediksi penyakit tumor otak dengan dua kategori yaitu, tumor dan non-tumor. Citra MRI otak
yang didapat dari RS XYZ diproses dan dilatih menggunakan google colab, hasil pengujian model
menggunakan data uji mencapai nilai akurasi 96% dengan nilai presisi 100%, recall 92%, dan f1-
score 96%. Selain itu pada pengujian data baru yang dimana 6 dari 7 citra menghasilkan klasifikasi
yang sesuai dengan pengamatan langsung.
Kata kunci: Convolutional Neural Network, Tumor Otak, Citra MRI, Klasifikasi

Analysis of the Application of Convolutional Neural Network (CNN) in MRI
Image Classification to Detect Brain Tumors at XYZ Hospital

Fadhlina Shifa Hanum

Brain tumor is a serious disease that requires quick and accurate diagnosis to determine the right
medical intervention. It is known that XYZ Hospital has used MRI in diagnosing brain tumors,
however, the main challenge faced is the manual interpretation of MRI results which depends on
the doctor and has the potential to cause human error and can slow down the diagnosis process.
This study aims to predict brain tumors at XYZ Hospital. Researchers used CNN algorithm to
classify and predict brain tumor disease with two categories, namely, tumor and non-tumor. MRI
images of the brain obtained from XYZ Hospital were processed and trained using google colab,
the results of testing the model using test data reached an accuracy value of 96% with a precision
value of 100%, recall 92%, and f1-score 96%. In addition, in testing new data where 6 out of 7
images produce classifications that are in accordance with direct observation.
Keywords: Convolutional Neural Network, Brain Tumor, MRI Image, Classification