OPTIMASI KLASIFIKASI PENYAKIT TUMOR OTAK MENGGUNAKAN FUZZY C-MEANS DAN EFFICIENTNET BERDASARKAN DATA CITRA MRI MANUSIA

Rahman, Aktavan (2025) OPTIMASI KLASIFIKASI PENYAKIT TUMOR OTAK MENGGUNAKAN FUZZY C-MEANS DAN EFFICIENTNET BERDASARKAN DATA CITRA MRI MANUSIA. Undergraduate thesis, UPN VETERAN JAWA TIMUR.

[img] Text (cover)
20081010036_cover.pdf

Download (511kB)
[img] Text (bab 1)
20081010036_BAB 1.pdf

Download (132kB)
[img] Text (bab 2)
20081010036_BAB 2.pdf
Restricted to Repository staff only until 4 February 2027.

Download (367kB)
[img] Text (bab 3)
20081010036_BAB 3.pdf
Restricted to Repository staff only until 4 February 2027.

Download (959kB)
[img] Text (bab 4)
20081010036_BAB 4.pdf
Restricted to Repository staff only until 4 February 2027.

Download (2MB)
[img] Text (bab 5)
20081010036_BAB 5.pdf

Download (46kB)
[img] Text (daftar pustaka)
20081010036_DAFTAR PUSTAKA.pdf

Download (121kB)

Abstract

Penelitian ini bertujuan mengoptimalkan klasifikasi tumor otak berbasis citra MRI menggunakan metode Fuzzy C-Means dan arsitektur EfficientNet. Segmentasi citra diterapkan untuk meningkatkan akurasi klasifikasi, dari 88% tanpa segmentasi menjadi 93% dengan segmentasi. ReduceLROnPlateau digunakan untuk penyesuaian learning rate adaptif, mencegah overfitting, dan mempercepat konvergensi model. Pengujian dilakukan dengan 3629 data citra menggunakan empat skenario konfigurasi parameter berbeda. Hasil menunjukkan bahwa kernel 3x3 memberikan hasil optimal dengan keseimbangan antara detail lokal dan pola global, sementara batch size 65 memberikan stabilitas pelatihan terbaik. Optimizer Adam terbukti paling unggul dibanding RMS Prop dan SGD dalam hal efisiensi pelatihan dan pencapaian akurasi tinggi. Penelitian ini menyimpulkan bahwa pendekatan Fuzzy C-Means dan EfficientNet memiliki potensi besar dalam mendukung pengembangan sistem pendukung diagnosis medis berbasis kecerdasan buatan, terutama untuk klasifikasi tumor otak dengan performa tinggi.

Item Type: Thesis (Undergraduate)
Contributors:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorSari, Anggraini PuspitaNIDN0716088605anggraini.puspita.if@upnjatim.ac.id
Thesis advisorJunaidi, AchmadNIDN0710117803achmadjunaidi.if@upnjatim.ac.id
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Computer Science > Departemen of Informatics
Depositing User: Aktavan Karunia Rahman
Date Deposited: 05 Feb 2025 02:11
Last Modified: 05 Feb 2025 02:11
URI: https://repository.upnjatim.ac.id/id/eprint/34612

Actions (login required)

View Item View Item