Implementasi Jaringan Syaraf Tiruan Dalam Klasifikasi Citra Medis

Relima Mahdalena simanjorang; Amran Sitohang; Abdi Sembiring; Sartika Simanjorang

doi:10.53513/jis.v24i1.10690

Authors

Relima Mahdalena simanjorang STMIK Pelita Nusantara
Amran Sitohang STMIK Pelita Nusantara
Abdi Sembiring STMIK Pelita Nusantara
Sartika Simanjorang STMIK Pelita Nusantara

DOI:

https://doi.org/10.53513/jis.v24i1.10690

Keywords:

Neural Network, kanker otak, pasien, Jaringan Saraf Tiruan, radiologi

Abstract

Kanker otak adalah jenis kanker yang sangat menakutkan dan mematikan, yang dapat sangat mempengaruhi kualitas hidup penderitanya. Untuk meningkatkan peluang pengobatan yang efektif, penting sekali melakukan diagnosis sejak dini dan dengan cara yang tepat. Namun, proses diagnosis kanker otak seringkali rumit dan membutuhkan keahlian khusus dari para ahli radiologi. Karena itu, teknologi pembelajaran mesin, khususnya jaringan syaraf tiruan (JST), memiliki potensi besar untuk membantu dalam proses klasifikasi citra medis. Salah satu model JST yang sangat berguna adalah Convolutional Neural Networks (CNN), yang sudah terbukti efektif dalam mengenali pola-pola kompleks dalam gambar. Model ini dapat dilatih untuk mengidentifikasi ciri-ciri tumor otak, sehingga diagnosis dapat dilakukan lebih cepat dan akurat. Tujuan penelitian ini adalah untuk mengembangkan aplikasi JST dalam mengklasifikasi citra medis

Author Biographies

Relima Mahdalena simanjorang, STMIK Pelita Nusantara

Teknologi Informasi

Amran Sitohang, STMIK Pelita Nusantara

Teknologi Informasi

Abdi Sembiring, STMIK Pelita Nusantara

Teknologi Informasi

Sartika Simanjorang, STMIK Pelita Nusantara

Teknologi Informasi

References

J. Purwono, S. Sugyaningsih, and E. Yuliati, “Analisis Jaringan Syaraf Tiruan,” Device, vol. 6, no. 7, pp. 117–121, 2019.

M. A. Mukti, A. T. Kurniawan, S. Bahri, N. Husin, B. Yanto, and F. Asmen, “Akurasi 12 Layer Convolutional Neural Network (CNN) Untuk Jenis Tumor Otak Dari Hasil Citra MRI Dengan Google Colab Dan Dataset Kaggle,” Riau J. Comput. Sci., vol. 10, no. 2, pp. 135–145, 2024, [Online]. Available: https://www.kaggle.com/datasets/sartajbhuvaji/brain-tumor-.

D. Gunawan and H. Setiawan, “Convolutional Neural Network dalam Citra Medis,” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 2, no. 2, pp. 376–390, 2022, doi: 10.24002/konstelasi.v2i2.5367.

N. P. Arsyad, R. Wulanningrum, and ..., “Implementasi Convolutional Neural Network Pada Deteksi Tumor Otak,” Pros. SEMNAS …, vol. 8, pp. 1316–1323, 2024, [Online]. Available: https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/5069.

E. H. Rachmawanto, D. Hermanto, Z. Pratama, and C. A. Sari, “Performa Convolutional Neural Network Dalam Deep Layers Resnet-50 Untuk Klasifikasi Mri Tumor Otak,” Semnas Ristek (Seminar Nas. Ris. dan Inov. Teknol., vol. 8, no. 01, pp. 6–12, 2024, doi: 10.30998/semnasristek.v8i01.7125.

D. Candra, G. Wibisono, M. Ayu, and M. Afrad, “Transfer Learning model Convolutional Neural Network menggunakan VGG-16 untuk Klasifikasi Tumor Otak pada Citra Hasil MRI,” LEDGER J. Inform. Inf. Technol., vol. 3, no. 1, pp. 11–18, 2024.

A. Bantu, A. Tingkat, K. Tumor, O. Irmaniar, J. T. Manik, and F. Haryanto, “MIND (Multimedia Artificial Intelligent Networking Database Algoritma Convolutional Neural Network sebagai,” J. MIND J. | ISSN, vol. 9, no. 1, pp. 1–12, 2024, [Online]. Available: https://doi.org/10.26760/mindjournal.v9i1.1-12.

K. Azmi, S. Defit, and S. Sumijan, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” J. Unitek, vol. 16, no. 1, pp. 28–40, 2023, doi: 10.52072/unitek.v16i1.504.

D. Irfansyah, M. Mustikasari, and A. Suroso, “Arsitektur Convolutional Neural Network (CNN) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi,” J. Inform. J. Pengemb. IT, vol. 6, no. 2, pp. 87–92, 2021, doi: 10.30591/jpit.v6i2.2802.

D. Andini, “Jaringan Syaraf Tiruan Untuk Klasifikasi Penyakit Demam Menggunakan Algoritma Backpropagation,” Bull. Artif. Intell., vol. 2, no. 1, pp. 86–99, 2023, doi: 10.62866/buai.v2i1.80.

T. Tinaliah, “Penerapan Convolutional Neural Network Untuk Klasifikasi Citra Ekspresi Wajah Manusia Pada MMA Facial Expression Dataset,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 4, pp. 2051–2059, 2021, doi: 10.35957/jatisi.v8i4.1437.

W. P. Kusumo and C. S. K. Aditya, “Klasifikasi Citra Makanan Berdasarkan Asal Daerah Menggunakan Convolutional Neural Network,” Techno.Com, vol. 23, no. 1, pp. 87–95, 2024, doi: 10.62411/tc.v23i1.9735.

M. Dandi Darojat, Y. A. Sari, and R. C. Wihandika, “Convolutional Neural Network untuk Klasifikasi Citra Makanan Khas Indonesia,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 11, pp. 4764–4769, 2021, [Online]. Available: http://j-ptiik.ub.ac.id.

A. F. Suahati, A. A. Nurrahman, and O. Rukmana, “Penggunaan Jaringan Syaraf Tiruan – Backpropagation dalam Memprediksi Jumlah Mahasiswa Baru,” J. Media Tek. dan Sist. Ind., vol. 6, no. 1, p. 21, 2022, doi: 10.35194/jmtsi.v6i1.1589.

V. Arinal and F. Y. Harjanto, “Jaringan Syaraf Tiruan Untuk Klasifikasi Citra Daun Menggunakan Metode Backpropagation,” KOHESI J. Multidisiplin Saintek, vol. 2, no. 10, pp. 64–79, 2024, [Online]. Available: https://ejournal.warunayama.org/index.php/kohesi/article/view/2652.

E. Setyowati and S. Mariani, “Penerapan Jaringan Syaraf Tiruan dengan Metode Learning Vector Quantization ( LVQ ) untuk Klasifikasi Penyakit Infeksi Saluran Pernapasan Akut ( ISPA ),” Prism. Pros. Semin. Nas. Mat., vol. 4, pp. 514–523, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/article/view/44356.

M. N. M. Hakim, A. B. Nugroho, and A. E. Minarno, “Prediksi Tumor Otak Menggunakan Metode Convolutional Neural Network,” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 17, no. 1, p. 48, 2023, doi: 10.30872/jim.v17i1.5246.