KLASIFIKASI TUMOR OTAK PADA CITRA MRI MENGGUNAKAN TEKNIK RADIOMICS DAN ARSITEKTUR DENSENET-201

Dhenmas Aji Rosulli, . (2025) KLASIFIKASI TUMOR OTAK PADA CITRA MRI MENGGUNAKAN TEKNIK RADIOMICS DAN ARSITEKTUR DENSENET-201. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text cover.pdf Download (154kB)
	Text abstrak.pdf Download (178kB)
	Text pengesahan.pdf Download (169kB)
	Text daftar isi.pdf Download (214kB)
	Text dapus.pdf Download (183kB)
	Text Skripsi full_12321032.pdf Restricted to Repository staff only Download (5MB)

Abstract

Tumor otak merupakan salah satu penyakit yang membutuhkan proses diagnosis yang cepat dan akurat untuk menentukan penanganan yang tepat. Citra MRI merupakan metode pencitraan yang umum digunakan dalam identifikasi tumor otak, namun interpretasi manual oleh tenaga medis sering memerlukan waktu dan rentan terhadap subjektivitas. Penelitian ini bertujuan untuk mengembangkan model klasifikasi tumor otak berbasis deep learning dengan pendekatan hybrid menggunakan DenseNet-201 dan fitur tekstur radiomics berbasis Gray Level Co-occurrence Matrix (GLCM).
Dataset yang digunakan terdiri dari 4.000 citra MRI otak empat kelas, dengan rasio pembagian data 80% data latih, 10% validasi, dan 10% pengujian. Fitur tekstur radiomics diekstraksi menggunakan PyRadiomics dan digabungkan dengan fitur DenseNet-201 melalui feature fusion pada lapisan fully-connected. Hasil pengujian menunjukkan bahwa model baseline menghasilkan akurasi sebesar 96.50%. Penambahan empat fitur tekstur GLCM konvensional pada skenario kedua meningkatkan akurasi menjadi 97.00% dan. Sementara itu, skenario ketiga menggunakan 24 fitur GLCM Radiomics menghasilkan akurasi yang sama, yaitu 97.25%,.
Berdasarkan hasil tersebut, penambahan fitur manual terbukti meningkatkan performa model dibandingkan baseline, dengan pendekatan radiomics yang merupakan esktraksi fitur yang dibuat untuk citra medismenghasilkan generalisasi prediksi yang lebih stabil meskipun tidak meningkatkan akurasi secara signifikan. Dengan demikian, model hybrid DenseNet-201 dan fitur radiomics dapat digunakan sebagai pendekatan efektif dalam klasifikasi tumor otak berbasis citra MRI.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Dhenmas Aji Rosulli (Penulis) Agus Sasmito A., S.Kom., M.Kom., Ph.D. (Pembimbing)
Uncontrolled Keywords:	Tumor Otak, CNN, DenseNet-201, Radiomics, GLCM, MRI
Subjek:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	23 Dec 2025 08:16
Last Modified:	23 Dec 2025 08:16
URI:	http://eprints.upnyk.ac.id/id/eprint/46333

Actions (login required)

View Item