Klasifikasi Jenis Tumor Otak Melalui Citra MRI dengan Menggunakan Convolutional Neural Network
DOI:
https://doi.org/10.52958/iftk.v21i1.11095Keywords:
CNN, Deep Learning, Deteksi Tumor Otak, Klasifikasi, MRIAbstract
Pendeteksian tumor otak pada citra MRI menggunakan metode Convolutional Neural Network (CNN) semakin berkembang dalam diagnosis medis berbasis pencitraan. CNN memungkinkan identifikasi tumor seperti glioma, meningioma, dan tumor pituitari dengan akurasi tinggi melalui ekstraksi fitur otomatis dari citra MRI. Penelitian ini bertujuan untuk mengevaluasi efektivitas CNN dalam segmentasi dan klasifikasi tumor otak, serta meningkatkan efisiensi dan akurasi deteksi. Metode yang digunakan mencakup pengumpulan data MRI, preprocessing citra, augmentasi data, serta penerapan transfer learning untuk mengatasi tantangan keterbatasan data dan overfitting. Hasil penelitian menunjukkan model CNN mampu mencapai akurasi 96,57% pada data uji dengan precision = 96,70%, recall = 96,59%, dan F1-score = 96,60% yang sangat tinggi untuk semua kelas. Meskipun demikian, tantangan terkait komputasi tinggi dan variasi citra MRI masih perlu diatasi. Penelitian ini menegaskan pentingnya penggunaan dataset besar dan beragam untuk meningkatkan performa model dalam aplikasi klinis deteksi tumor otak.
References
Hidayaturrahman, F. (2024). Penerapan Deep Learning untuk Klasifikasi Tumor Otak Menggunakan Dataset MRI. Universitas Dinamika. Retrieved from https://repository.dinamika.ac.id/id/eprint/8393
Mukti, M. A., Nugroho, A., & Wibowo, R. S. (2024). Penerapan Metode CNN (Convolutional Neural Network) Untuk Klasifikasi Tumor Otak. Jurnal Teknologi dan Rekayasa Sistem, 2(1), 1–10. https://doi.org/10.54732/jtrs.v2i1.482
Nafi’iyah, N., & Wardhani, R. (2023). Perbandingan Arsitektur CNN dalam Mendeteksi Tumor Otak Menggunakan Citra MRI. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(3), 1033–1040. Retrieved from https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/19708
Khan, H. A., Jue, W., Mushtaq, M., & Mushtaq, M. U. (2020). Brain tumor classification in MRI image using convolutional neural network.Math Biosci Eng, 17(5), 6203–6216. https://ssrn.com/abstract=3894961
Gómez-Guzmán, M. A., Jiménez-Beristaín, L., García-Guerrero, E. E., López-Bonilla, O. R., Tamayo-Perez, U. J., Esqueda-Elizondo, J. J., Palomino-Vizcaino, K., & Inzunza-González, E. (2023). Classifying Brain Tumors on Magnetic Resonance Imaging by Using Convolutional Neural Networks. Electronics (Switzerland), 12(4). https://doi.org/10.3390/electronics12040955
Zahoor, M. M., Khan, S. H., Alahmadi, T. J., Alsahfi, T., Mazroa, A. S. A., Sakr, H. A., Alqahtani, S., Albanyan, A., & Alshemaimri, B. K. (2024). Brain Tumor MRI Classification Using a Novel Deep Residual and Regional CNN. Biomedicines, 12(7). https://doi.org/10.3390/biomedicines12071395
Tjahyaningtijas, H. P. A., Rumala, D. J., Angkoso, C. V., Fanani, N. Z., Santoso, J., Sensusiati, A. D., Ooijen, P. M. A. V., Ketut Eddy Purnama, I. K. E., & Purnomo, M. H. (2021). Brain Tumor Classification in MRI Images Using En-CNN. International Journal of Intelligent Engineering and Systems, 14(4), 437–451. https://doi.org/10.22266/ijies2021.0831.38
Santoso, F. Y., Sediyono, E., & Purnomo, H. D. (2024). Optimalisasi Hyper Parameter Convolutional Neural Networks Menggunakan Ant Colony Optimization. Jurnal Teknologi Informasi Dan Ilmu Komputer, 11(2), 243–248. https://doi.org/10.25126/jtiik.20241127105
Ramadhan, M., Iskandar Mulyana, D., Betty Yel, M., & Tinggi Ilmu Komputer Cipta Karya Informatika Jl Raden, S. (2022). OPTIMASI ALGORITMA CNN MENGGUNAKAN METODE TRANSFER LEARNING UNTUK KLASIFIKASI CITRA X-RAY PARU-PARU PNEUMONIA DAN NON-PNEUNOMIA. Jurnal Teknik Informatika Kaputama (JTIK), 6(2).
Dimara, D. L. S., Putri, S. W., Amelia, R., Arishandy, Z. I., & Rizki, A. M. (2023). Penerapan Convolutional Neural Network (CNN) dalam Klasifikasi Citra MRI untuk Deteksi Tumor Otak Manusia. KERNEL: Jurnal Riset Inovasi Bidang Informatika Dan Pendidikan Informatika, 4(2), 70–77. https://doi.org/10.31284/j.kernel.2023.v4i2.6960
FUADAH, Y. N., UBAIDULLAH, I. D., IBRAHIM, N., TALININGSING, F. F., SY, N. K., & PRAMUDITHO, M. A. (2022). Optimasi Convolutional Neural Network dan K-Fold Cross Validation pada Sistem Klasifikasi Glaukoma. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 10(3), 728. https://doi.org/10.26760/elkomika.v10i3.728
Rachmawanto, E. H., Hermanto, D., Pratama, Z., & Sari, C. A. (2024). Performa Convolutional Neural Network Dalam Deep Layers Resnet-50 Untuk Klasifikasi MRI Tumor Otak. Seminar Nasional Riset dan Inovasi Teknologi (SEMNAS RISTEK) 2024.
Kurniawan, M. B., & Utami, E. (2025). Performance Comparison of ResNet50, VGG16, and MobileNetV2 for Brain Tumor Classification on MRI Images. Sistemasi: Jurnal Sistem Informasi 14(2). http://sistemasi.ftik.unisi.ac.id
Wardhani, R., & Nafi’iyah, N. (2023). Identifikasi Tumor Otak Citra MRI dengan Convolutional Neural Network. 8(3). Jurnal Informatika: Jurnal Pengembangan IT (JPIT), 8(3).
Gayathri, T., & Kumar, K. S. (2024). Brain Tumor Segmentation and Classification Using CNN Pre-Trained VGG-16 Model in MRI Images. IIUM Engineering Journal, 25(2), 196–211. https://doi.org/10.31436/iiumej.v25i2.2963
Husen, D. (2024). Klasifikasi Citra MRI Tumor Otak Menggunakan Metode Convolutional Neural Network. Bit-Tech, 7(1), 143–152. https://doi.org/10.32877/bt.v7i1.1576
Husen, D. (2024). Performance Evaluation Of Cnn Models WithVarious Data Augmentation Techniques On MRI Images For Brain Tumor Classification. TEKNIKMEDIA, 5(2).
Amalia, K., Magdalena, K., Saidah, S. (2022). Klasifikasi Penyakit Tumor Otak Pada Citra Mri Menggunakan Metode CNN. E-Proceeding of Engineering, 8(6), 3247-3254.
Candra, D., Wibisono, G., Ayu, M., & Afrad, M. (2024). LEDGER: Journal Informatic and Information Technology Transfer Learning model Convolutional Neural Network menggunakan VGG-16 untuk Klasifikasi Tumor Otak pada Citra Hasil MRI. In OPEN ACCESS LEDGER (Vol. 3, Issue 1).
Avşar, E., & Salçin, K. (2019). Detection and classification of brain tumours from MRI images using faster R-CNN. Tehnički Glasnik, 13(4), 337–342. https://doi.org/10.31803/tg-20190712095507
Mzoughi, H., Njeh, I., Wali, A., Slima, M. ben, BenHamida, A., Mhiri, C., & Mahfoudhe, K. ben. (2020). Deep Multi-Scale 3D Convolutional Neural Network (CNN) for MRI Gliomas Brain Tumor Classification. Journal of Digital Imaging, 33(4), 903–915. https://doi.org/10.1007/s10278-020-00347-9
Bhanumathi, V., Sangeetha, R. (2019). CNN Based Training and Classification of MRI Brain Images. 2019 5th International Conference on Advanced Computing & Communication Systems (ICACCS).
Mukti, M. A., Kurniawan, A. T., Bahri, S., Husin, N., Yanto, B., & Asmen, F. (2024). Akurasi 12 Layer Convolutional Neural Network (CNN) Untuk Jenis Tumor Otak Dari Hasil Citra MRI Dengan Google Colab Dan Dataset Kaggle. In Riau Journal of Computer Science (Vol. 10, Issue 2). https://www.kaggle.com/datasets/sartajbhuvaji/brain-tumor-
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Dyah Listianing Tyas, Frendy Rocky Rumambi, Arpen Patanduk, Roynaldo Christopel Johanes Mailangkay
This work is licensed under a Creative Commons Attribution 4.0 International License.
KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
Download Template
