NOVRIAN PRATAMA, - (2026) PENERAPAN DEEP LEARNING UNTUK KLASIFIKASI TUMOR OTAK DENGAN PENDEKATAN EXPLAINABLE ARTIFICIAL INTELLIGENCE (XAI). Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text (BAB GABUNGABN) Novri - Laporan Tugas Akhir Novri - Novrian Pratama.pdf Download (6MB) | Preview
	Text (BAB HASIL) Novri - Laporan BAB 4 - Novrian Pratama.pdf Restricted to Repository staff only Download (6MB)
Preview	Text (SURAT PUBLIKASI) Surat Serah Simpan Karya - Novrian Pratama.pdf Download (681kB) | Preview

Abstract

Diagnosis tumor otak melalui citra Magnetic Resonance Imaging (MRI) secara manual seringkali bersifat subjektif, memakan waktu, dan rentan terhadap kesalahan interpretasi. Meskipun metode Deep Learning, khususnya Convolutional Neural Network (CNN), telah terbukti efektif dalam klasifikasi citra medis, sifatnya yang black-box membuat keputusan model sulit dipahami oleh tenaga medis. Penelitian ini bertujuan untuk mengevaluasi performa tiga arsitektur CNN yaitu Xception, DenseNet-121, dan VGG-19 dalam mengklasifikasikan tumor otak jenis Glioma dan Meningioma, serta menerapkan pendekatan Explainable Artificial Intelligence (XAI) menggunakan Gradient-weighted Class Activation Mapping (Grad-CAM) untuk meningkatkan transparansi model. Penelitian menggunakan 2.875 data citra MRI sekunder yang melalui tahap preprocessing dengan teknik Random Under-Sampling (RUS) untuk menangani ketidakseimbangan kelas. Berdasarkan 27 skenario pengujian dengan variasi hyperparameter, hasil menunjukkan bahwa arsitektur DenseNet-121 dengan optimizer Adam dan learning rate 0.01 merupakan model terbaik, mencapai akurasi 99,31%, F1-Score 99,30%, dan nilai AUC 0,9999. Visualisasi heatmap Grad-CAM membuktikan bahwa model secara presisi memfokuskan atensi pada area jaringan tumor yang relevan secara klinis, sehingga dapat diandalkan sebagai sistem pendukung keputusan medis

Actions (login required)

View Item