ANALISIS PERFORMA ARSITEKTUR CNN INCEPTIONV3 DAN VGG16 DALAM KLASIFIKASI DETEKSI KANKER OTAK

Aryo Bimo Wicaksono
Bambang Pilu Hartato


DOI: https://doi.org/10.29100/jipi.v10i2.6090

Abstract


Kanker otak merupakan salah satu jenis kanker paling mematikan dengan tingkat kematian yang tinggi. Keterlambatan dalam diagnosis dan rendahnya kesadaran masyarakat menjadi faktor utama tingginya angka kematian tersebut, sehingga diperlukan metode deteksi yang efektif untuk diagnosis dini. Penelitian ini bertujuan untuk mengevaluasi kinerja dua arsitektur Convolutional Neural Network (CNN), yaitu InceptionV3 dan VGG16, dalam klasifikasi deteksi kanker otak menggunakan dataset MRI berlabel dari Kaggle. Langkah-langkah penelitian meliputi pengumpulan dataset, Analisis Data Eksplorasi (EDA), preprocessing, pembuatan model, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model InceptionV3 mencapai akurasi sebesar 91,67% dengan test loss 0,3329, sementara VGG16 mencapai akurasi sebesar 82,14% dengan test loss 0,5027. Model VGG16 mengalami fluktuasi signifikan dibandingkan dengan InceptionV3, yang mengindikasikan adanya overfitting. Selain itu, InceptionV3 menunjukkan hasil precision, recall, dan F1-score yang lebih tinggi dibandingkan dengan VGG16. Evaluasi menggunakan confusion matrix menunjukkan bahwa InceptionV3 memiliki performa yang lebih baik dalam memprediksi kanker otak dengan jumlah kesalahan prediksi yang lebih rendah dibandingkan dengan VGG16. Hasil ini menunjukkan bahwa InceptionV3 lebih andal dan akurat dalam mendeteksi kanker otak dibandingkan dengan VGG16.

Keywords


Convolutional Neural Network; InceptionV3; Klasifikasi; Kanker Otak; VGG16

Full Text:

PDF

Article Metrics :

References


Global Cancer Observatory. (2024). Fact Sheets Populations. Diakses pada Mei 2024, Tersedia; https://gco.iarc.fr/today/en/fact-sheets-populations#global.

Cancer Research United Kingdom. (2024). About Cancer. Diakses pada Mei 2024, Tersedia: https://www.cancerresearchuk.org.

N. D. Puspasari dan Y. Isti. (Juli 2024). Sistem Pakar untuk Mendiagnosa Penyakit Kanker Payudara Menggunakan Metode Naive Bayes. [Online]. 4(2), hal. 104-116. Tersedia: https://jisai.mercubuana-yogya.ac.id/index.php/jisai/article/view/134.

R. U. Ginting, P. Sihombing, S. Efendi, A. Amila, dan B. Damanik. (Desember 2021). Penerapan Ridge Polynomial Neural Network untuk Mencegah Penyakit Kanker Otak. 13(3A), hal. 253-262.

N. Abiwinanda, M. Hanif, S. T. Hesaputra, A. Handayani, and T. R. Mengko. (Mei 2018). Brain Tumor Classification Using Convolutional Neural Network. [Online]. 68(1), hal. 293-298.Tersedia: https://link.springer.com/chapter/10.1007/978-981-10-9035-6_33.

R. Wardhani dan N. Nafi’iyah. (September 2023). Identifikasi Tumor Otak Citra MRI dengan Convolutional Neural Network. [Online]. 8(3),hal. 213-219. Tersedia: https://ejournal.poltekharber.ac.id/index.php/informatika/article/view/4985/2637.

A. M. Taha, Y. V. Reddy, dan P. Sathish. (November 2020). Brain Tumor Detection by Using Convolution Neural Network. [Online]. 16(13), hal. 58-69. Tersedia: https://online-journals.org/index.php/i-joe/article/view/18545/8193.

M. Aamir , Z. Rahman, Z. A. Dayo, W.A. Abro, M.I. Uddin, I. Khan, A. S. Imran, Z. Ali, M. Ishfaq, Y. Guan, dan Z. Hu. (Juli 2022). A Deep Learn-ing Approach for Brain Tumor Classification Using MRI Images. [Online]. 101(5), hal. 108105. Tersedia: https://www.sciencedirect.com/science/article/abs/pii/S0045790622003603.

T. Hidayat dan R. A. Saputra. (September 2023). Deteksi Tumor Otak Menggunakan CNN. [Online]. 9(2), hal. 94-98. Tersedia: https://fikom-unasman.ac.id/ejournal/index.php/jikom/article/view/276/157.

I. Mustikasari, I. I. Tritoasmoro, dan R. Purnamasari. (Oktober 2023). Identifikasi Kanker Kulit Melanoma Berbasis Inception V3 Menggunakan Pra-Pemrosesan dan Augmentasi Data pada Dataset Citra Kulit. [Online]. 10(5), hal. 4170-4176. Tersedia: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/21150/20440.

M. A. P. Wibowo, M. B. A. Fayyadl, Y. Azhar, dan Z. Sari. (Juli 2022). Classification of Brain Tumors on MRI Images Using Convolutional Neural Network Model EfficientNet. [Online]. 6(4), hal. 538-547. Tersedia: https://jurnal.iaii.or.id/index.php/RESTI/article/view/4119/610.

W. Hastomo, S. Sugiyanto, dan S. Sudjiran. (Agustus 2021). Convolution Neural Network Arsitektur MobileNet-V2 Untuk Mendeteksi Tumor Otak. [Online]. 5(1), hal. 17-21. Tersedia: https://ejournal.jak-stik.ac.id/files/journals/2/articles/sentik2021/3355/3355.pdf.

W. S. Ardiantito, S. J. Surianto, S. Ramadhani, dan W. P. Ananta. (Desember 2023). Klasifikasi Tumor Otak Menggunakan Local Binary Pattern dan SVM Classifier. [Online]. 1(6), hal. 182-190. Tersedia: https://journal-stiayappimakassar.ac.id/index.php/srj/article/view/823/841.

A. R. Sujiwanto, R. R. B. P. Prawirodirjo, dan P. Palupingsih. (Juni 2023). Analisis Perbandingan Performa Model Klasifikasi Kesehatan Daun Tomat menggunakan Arsitektur VGG, MobileNet, dan Inception V3. [Online].10(1), hal. 98–110. Tersedia: https://journal.ipb.ac.id/index.php/jika/article/view/46892/25863.

A. Supriyanto, W. A. Kusuma, dan H. Rahmawan. (September 2022). Klasifikasi Kanker Tumor Payudara Menggunakan Arsitektur Inception-V3 Dan Algoritma Machine Learning. [Online]. 7(3), hal. 187-193. Tersedia: https://jurnal.uai.ac.id/index.php/SST/article/view/1284/0.

F. Ramadhani, A. Satria, dan Salamah. (Desember 2023). Implementasi Algoritma Convolutional Neural Network dalam Mengidentifikasi Dini Penya-kit pada Mata Katarak. [Online]. 2(4), hal. 167-175. Tersedia : https://jurnal.ilmubersama.com/index.php/sudo/article/view/408/258.

R. Yamashita, M. Nishio, R. K. G. Do, dan K. Togashi. (Juni 2018). Convolutional neural networks: an overview and application in radiology. [Online]. 9(4),hal. 611-629. Tersedia: https://insightsimaging.springeropen.com/articles/10.1007/s13244-018-0639-9.

M. W. Ilahi1, C. N. Apriyani, A. Desiani, N. Gofar, Y. Andriani, dan M. R. Halim. (April 2022). Classification of Geometric Batik Motif Typical of Indonesian Using Convolutional Neural Network. [Online]. 15(1), hal. 91–100. Tersedia: https://journal.uinjkt.ac.id/index.php/ti/article/view/24968/pdf.

S. G. Ramdhani dan E. I. Sela. (Desember 2023). Implementasi Face Recognition Untuk Sistem Presensi Universitas Menggunakan Convolutional Neural Network. [Online]. 12(6), hal. 4098-4108. Tersedia: http://ijcs.stmikindonesia.ac.id/ijcs/index.php/ijcs/article/view/3498/358.

F. Citra R, F. Indriyani, dan I. R. Rahadjeng. (September 2023). Klasifikasi Tumor Otak Berbasis Magnetic Resonance Imaging Menggunakan Algoritma Convolutional Neural Network. [Online]. 3(2), hal. 918-924. Tersedia: https://jurnal.itscience.org/index.php/digitech/article/view/3469/2727.