Detail Cantuman

Convolutional Neural Network (CNN) merupakan salah satu lgoritma pembelajaran jaringan saraf, pada deep learning yang memiliki kemampuan untuk pemrosesan citra. Penelitian ini melakukan pendekatan diagnosis awal penyakit Osteosarcoma dengan algoritma pembelajaran CNN. Osteosarcoma merupakan jenis kanker tulang yang terjadi pada ujung tulang Panjang manusia. Diagnosis awal sangat oenting untuk mengurangi kemungkinan terjadinya penyebaran kanker lebih lanjut dan dapat meningkatkan efektifitas dalam pengobatan. Penelitian ini bertujuan untuk mengetahui dan mengevaluasi hasil kinerja akurasi dan stabilitas dari tiga varian model EfficientNetV2 (S, M, dan L) dalam mendiagnosis dan klasifikasi penyakit Osteosarcoma pda citra histologi tulang Osteosarcoma. Dataset yang digunakan merupakan citra histologi yang telah didigitalisasi dan melewati tahap preprocessing, augmentasi, dan pelatihan dengan ketiga varian model. Hasil penelitian ini menunjukkan bahwa model EfficientNetV2-S memberikan akurasi tertinggi sebesar 88,86% dan paling efisien dan efektif menurut ukuran model, tetapi stabilitas terbaik ditunjukkan oleh model EfficientNetV2-M dengan skor F1- Score yang lebih stabil dengan akurasi 88.80%. Secara keseluruhan, Model EfficientNetV2-S menghasilkan kinerja yang optimal dari segi akurasi dan efisiensi, tapi EfficientNetV2-M menghasilkan kinerja stabilitas yang lebih stabil. Kata kunci: Akurasi, Diagnosis awal, EfficientNetV2, histologi tulang, Osteosarcoma, klasifikasi