IMPLEMENTASI MODEL DEEP LEARNING BERBASIS CNN, CNN+LSTM DAN ENSEMBLE LEARNING DALAM ANALISIS CITRA MRI UNTUK DETEKSI TUMOR OTAK

Aurelia, Tasya (2026) IMPLEMENTASI MODEL DEEP LEARNING BERBASIS CNN, CNN+LSTM DAN ENSEMBLE LEARNING DALAM ANALISIS CITRA MRI UNTUK DETEKSI TUMOR OTAK. Diploma thesis, Universitas Nasional.

	Text Cover.pdf Download (715kB)
	Text Bab I.pdf Download (328kB)
	Text Bab II.pdf Download (333kB)
	Text Bab III.pdf Download (401kB)
	Text Bab IV.pdf Download (796kB)
	Text Bab V.pdf Download (260kB)
	Text Lampiran.pdf Download (471kB)

Abstract

Deteksi dini tumor otak melalui citra Magnetic Resonance Imaging (MRI) memiliki
peran yang sangat penting dalam pelayanan kesehatan modern. Tujuan studi ini
adalah mengimplementasikan model deep learning hibrida berbasis Convolutional
Neural Network (CNN), Long Short-Term Memory (LSTM), dan ensemble
learning untuk meningkatkan akurasi klasifikasi tumor dan non-tumor pada citra
MRI. Data yang digunakan terdiri dari dua kelas, dan semua gambar diproses
terlebih dahulu untuk menyesuaikan kecerahan dan variasi, sehingga model dapat
belajar dengan lebih efektif. Teknologi CNN digunakan untuk mengenali pola dan
bentuk dalam gambar, sementara LSTM membantu memahami hubungan temporal
dan urutan pola-pola tersebut. Selanjutnya, pendekatan pembelajaran ensemble
berbasis voting digunakan untuk menggabungkan prediksi dari beberapa model.
Hasil eksperimen menunjukkan bahwa model CNN mencapai akurasi 85% dan
Area Under the Curve (AUC) 0,581, sementara model CNN+LSTM mencapai
akurasi 86% dan AUC 0,684. Namun, model hibrida dan ensemble mencapai
akurasi dan AUC 1,000, menunjukkan kinerja tertinggi. Menurut laporan hasil,
model ensemble mencapai akurasi, recall, dan skor F1 sebesar 1,000, menunjukkan
kinerja deteksi yang sangat tinggi pada gambar tumor otak. Oleh karena itu,
kombinasi CNN+LSTM dan pembelajaran ensembel telah terbukti handal dan
efektif dalam meningkatkan sistem deteksi tumor berbasis citra menggunakan MRI.

Item Type:	Thesis (Diploma)
Subjects:	R Medicine > R Medicine (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 03:32
Last Modified:	28 Apr 2026 03:32
URI:	https://repository.unas.ac.id/id/eprint/15418

Actions (login required)

View Item