PERANCANGAN SISTEM BERBASIS DEEP LEARNING UNTUK DETEKSI TUMOR OTAK MENGGUNAKAN ARSITEKTUR MOBILENETV3 DAN U-NET

Faruly, Hisanah Nakhwah Aulia (2026) PERANCANGAN SISTEM BERBASIS DEEP LEARNING UNTUK DETEKSI TUMOR OTAK MENGGUNAKAN ARSITEKTUR MOBILENETV3 DAN U-NET. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (900kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (165kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (195kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (445kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (431kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (699kB) | Request a copy
	Text (BAB V KESIMPULAN) BAB V.pdf - Published Version Restricted to Repository staff only Download (136kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (177kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (9MB) | Request a copy

Abstract

Salah satu kondisi neurologis yang sangat berbahaya dan membutuhkan diagnosis yang tepat adalah tumor otak. Tenaga medis biasanya menggunakan citra MRI untuk mendiagnosis tumor otak. Namun, proses tersebut membutuhkan waktu yang lama dan sangat bergantung pada keahlian radiolog. Oleh karena itu, diperlukan sistem AI yang dapat membantu proses analisis citra medis secara lebih cepat dan akurat. Tujuan dari penelitian ini adalah untuk membuat dan membangun sistem website yang dapat mendeteksi dan mengklasifikasikan tumor otak menggunakan metode deep learning berbasis Convolutional Neural Network. Arsitektur hybrid yang menggabungkan MobileNetV3 dan U-Net memungkinkan klasifikasi jenis tumor otak dan segmentasi area tumor pada gambar MRI. Dataset yang digunakan dalam penelitian ini berasal dari dataset publik Kaggle untuk klasifikasi tumor otak dan dataset BraTS untuk segmentasi citra tumor. Proses evaluasi model dilakukan menggunakan metrik evaluasi. Model MobileNetV3 menunjukkan nilai metrik precision, recall, dan F1-score yang baik dengan memperoleh akurasi klasifikasi 95%. Kinerja klasifikasi yang baik ditunjukkan oleh nilai AUC ROC yang mencapai 0,99 dan 1,00. Model U-Net mendapatkan Coeficien Dice sebesar 0,9404, skor IoU sebesar 0,8940, dan akurasi validasi sebesar 0,9936 untuk segmentasi. Selanjutnya, model yang telah dilatih diterapkan pada sebuah website dengan framework Streamlit. Dengan demikian, pengguna dapat mengunggah gambar MRI dan menerima hasil analisis secara real-time. Sistem yang dikembangkan diharapkan dapat menjadi alat bantu pendukung dalam proses analisis awal tumor otak berbasis citra MRI

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deep Learning, MobileNetV3, U-Net, Tumor Otak, Streamlit
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	04 Sep 2026 04:09
Last Modified:	04 Sep 2026 04:09
URI:	http://eprints.polsri.ac.id/id/eprint/26181

Actions (login required)

View Item