KLASIFIKASI PENYAKIT ALZHEIMER PADA CITRA MRI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK - SUPPORT VECTOR MACHINE

Tadeus Vito Gavra Sitanggang, . (2026) KLASIFIKASI PENYAKIT ALZHEIMER PADA CITRA MRI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK - SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123220105.pdf Download (130kB)
	Text 2_Abstrak_123220105.pdf Download (169kB)
	Text 3_Halaman Pengesahan_123220105.pdf Download (248kB)
	Text 4_Daftar Isi_123220105.pdf Download (208kB)
	Text 5_Daftar Pustaka_123220105.pdf Download (195kB)
	Text 6_Fulltext_123220105.pdf Restricted to Repository staff only Download (4MB)

Abstract

Penyakit Alzheimer merupakan gangguan neurodegeneratif progresif yang memerlukan diagnosis dini serta klasifikasi tingkat keparahan yang akurat untuk mendukung penanganan klinis yang tepat. Proses interpretasi citra Magnetic Resonance Imaging (MRI) secara manual masih sangat bergantung pada pengalaman dan keahlian tenaga medis, sehingga berpotensi menimbulkan variasi penilaian dan subjektivitas dalam menentukan tingkat keparahan penyakit. Selain itu, peningkatan jumlah data citra medis menuntut adanya metode analisis yang mampu bekerja secara konsisten, efisien, dan terstandarisasi. Keterbatasan tersebut menunjukkan perlunya sistem klasifikasi otomatis yang tidak hanya memiliki tingkat akurasi tinggi, tetapi juga mampu membedakan setiap tingkat keparahan Alzheimer secara lebih objektif. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan dan mengoptimalkan model klasifikasi berbasis pembelajaran mendalam yang mampu meningkatkan akurasi serta konsistensi dalam mengklasifikasikan tingkat keparahan Alzheimer berdasarkan citra MRI.
Metode yang diusulkan menggunakan pendekatan Hybrid Convolutional Neural Network–Support Vector Machine (CNN–SVM) dengan penambahan modul Spatial Attention. Arsitektur Custom CNN yang dilengkapi Spatial Attention diterapkan sebagai ekstraktor fitur untuk mengidentifikasi dan menekankan area spasial yang relevan pada citra MRI. Fitur yang dihasilkan pada tahap ekstraksi kemudian digunakan sebagai masukan bagi algoritma Support Vector Machine dengan kernel Radial Basis Function (RBF) untuk melakukan proses klasifikasi akhir. Evaluasi dilakukan melalui perbandingan dengan model baseline dan pendekatan transfer learning, serta pengujian cross-dataset guna mengukur kemampuan generalisasi model.
Hasil penelitian menunjukkan bahwa model hybrid CNN–SVM dengan Spatial Attention mencapai akurasi tertinggi sebesar sebesar 99,84%, mengalami peningkatan 0,81% dibandingkan model tanpa Spatial Attention (99,03%). Model juga menghasilkan performa klasifikasi yang sangat baik dengan nilai AUC sebesar 1,00 serta precision, recall, dan f1-score yang tinggi pada hampir seluruh kelas. Pengujian cross-dataset menunjukkan stabilitas performa pada distribusi data yang berbeda, sehingga metode yang diusulkan terbukti efektif dan memiliki kemampuan generalisasi yang baik. Selain itu, model berhasil diimplementasikan dalam sistem diagnosis otomatis berbasis web menggunakan Flask.

Kata Kunci: Penyakit Alzheimer, MRI Otak, Klasifikasi Citra, Spatial Attention, Hybrid CNN–SVM.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Tadeus Vito Gavra Sitanggang (Penulis - 123220105) Awang Hendrianto Pratomo (Pembimbing)
Uncontrolled Keywords:	Penyakit Alzheimer, MRI Otak, Klasifikasi Citra, Spatial Attention, Hybrid CNN–SVM.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	03 Mar 2026 07:16
Last Modified:	03 Mar 2026 07:16
URI:	http://eprints.upnyk.ac.id/id/eprint/47223

Actions (login required)

View Item