Anggi Mulya, Anggi Mulya
(2025)
Klasifikasi Citra CT Scan Kanker Paru-Paru Menggunakan Pendekatan Deep Learning.
Building of Informatics, Technology and Science (BITS), 6 (4).
p. 999.
ISSN 2685-3310
(In Press)
Abstract
Penelitian ini bertujuan mengembangkan model deep learning yang handal untuk mengklasifikasi citra CT Scan kanker paru-paru. Penelitian ini memiliki keunggulan dengan mengevaluasi kinerja beberapa arsitektur Convolutional Neural Networks (CNN) termasuk DenseNet121, InceptionResNetV2, InceptionV3, dan ResNet152V2 untuk membandingkan performanya dalam akurasi klasifikasi. Dataset terdiri dari 1.561 citra CT Scan yang diperoleh dari Kaggle, dataset tersebut dikategorikan menjadi kanker ganas, kanker jinak, dan normal. Melalui kombinasi teknik preprocessing data yang inovatif, seperti augmentasi dengan rotasi acak dan normalisasi, pembagian dataset menggunakan metode hold-out dengan rasio 70:30, 80:20, dan 90:10, serta pelatihan model menggunakan optimisasi Adam dan SGDM, peneliti berhasil mencapai akurasi klasifikasi yang sangat tinggi. Hasil evaluasi menunjukkan bahwa InceptionV3 dengan optimisasi SGDM pada rasio 90:10 mencapai performa yang sangat baik dengan akurasi 99,38% sedangkan InceptionResNetV2 dengan optimisasi Adam pada hold-out 80:20 menunjukkan performa tertinggi, dengan perolehan akurasi sebesar 99,40%. Hasil yang menjanjikan ini mengindikasikan potensi besar dalam mendukung penemuan dini kanker paru-paru, sehingga dapat meningkatkan akurasi diagnosis dan peluang kesembuhan pasien. Penelitian ini membuka peluang untuk pengembangan lebih lanjut, seperti penerapan fine-tuning, ensemble learning atau integrasi dengan system pendukung keputusan klinis untuk aplikasi di dunia medis.
Actions (login required)
 |
View Item |
