EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Implementasi Cnn Resnet50 Untuk Klasifikasi Dan Prediksi Tumor Otak Pada Citra Mri Menggunakan MATLAB

Muhammad Farhan, Ahmad Fariz Fuady, Dwiky Oldi Amsyah, Dimas Aqila Aptanta

Jurnal Ilmu Komputer dan Teknik Informatika · 2026

DOI: 10.64803/juikti.v2i1.113 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Ilmu Komputer dan Teknik Informatika, 2026. Verfasst von Muhammad Farhan und 3 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Tumor otak merupakan salah satu penyakit serius yang dapat mengancam nyawa serta menurunkan kualitas hidup penderitanya, sehingga deteksi dini menjadi aspek yang sangat penting dalam mendukung keberhasilan penanganan medis. Magnetic Resonance Imaging (MRI) merupakan metode pencitraan non-invasif yang banyak digunakan karena mampu menghasilkan citra otak dengan detail tinggi dan kontras jaringan yang baik. Namun, proses interpretasi citra MRI masih sangat bergantung pada keahlian dokter radiologi dan berpotensi menimbulkan kesalahan akibat kelelahan serta kompleksitas visual citra. Oleh karena itu, diperlukan sistem pendukung diagnosis berbasis kecerdasan buatan yang mampu membantu proses klasifikasi tumor otak secara otomatis, cepat, dan akurat. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50 dalam mengklasifikasikan tumor otak pada citra MRI menggunakan MATLAB. Dataset yang digunakan terdiri dari empat kelas, yaitu glioma, meningioma, pituitary tumor, dan non-tumor. Tahapan penelitian meliputi preprocessing citra, augmentasi data untuk meningkatkan variasi dataset, pembagian data menjadi data latih dan data uji, serta penerapan transfer learning pada model ResNet50. Proses pelatihan dilakukan menggunakan optimizer Adam dengan berbagai skema parameter untuk memperoleh performa terbaik. Hasil penelitian menunjukkan bahwa model CNN ResNet50 mampu mencapai akurasi hingga 98% dan memberikan hasil klasifikasi yang sangat baik pada data uji. Selain itu, model yang telah dilatih diimplementasikan ke dalam aplikasi berbasis Graphical User Interface (GUI) menggunakan MATLAB App Designer sehingga mudah digunakan. Penelitian ini diharapkan dapat menjadi alat bantu diagnosis awal tumor otak serta berkontribusi pada pengembangan penerapan deep learning di bidang medis.

Zitieren

APA

Farhan, M., Fuady, A. F., Amsyah, D. O., & Aptanta, D. A. (2026). Implementasi Cnn Resnet50 Untuk Klasifikasi Dan Prediksi Tumor Otak Pada Citra Mri Menggunakan MATLAB. Jurnal Ilmu Komputer dan Teknik Informatika. https://doi.org/10.64803/juikti.v2i1.113

Vancouver

Farhan M, Fuady AF, Amsyah DO, Aptanta DA. Implementasi Cnn Resnet50 Untuk Klasifikasi Dan Prediksi Tumor Otak Pada Citra Mri Menggunakan MATLAB. Jurnal Ilmu Komputer dan Teknik Informatika. 2026. doi:10.64803/juikti.v2i1.113

BibTeX
@article{Farhan2026,
  author = {Farhan, Muhammad and Fuady, Ahmad Fariz and Amsyah, Dwiky Oldi and Aptanta, Dimas Aqila},
  title = {Implementasi Cnn Resnet50 Untuk Klasifikasi Dan Prediksi Tumor Otak Pada Citra Mri Menggunakan MATLAB},
  journal = {Jurnal Ilmu Komputer dan Teknik Informatika},
  year = {2026},
  doi = {10.64803/juikti.v2i1.113}
}
Kostenlos starten →