Detail Cantuman

OPTIMASI EFFICIENETV2 DENGAN STYLEGANV2- ADA UNTUK KLASIFIKASI TUMOR OTAK BERBASIS MRI

AUDREY NAILA PUTRI / 15-2021-100 - Personal Name
120240203 - Chalifa Chazar, S.T., M.T. - Personal Name
Text English 2025 Teknik Informatika : FTI

Penggunaan Convolutional Neural Network dalam bidang medis semakin
berkembang, khususnya pada deteksi dini tumor otak. Magnetic Resonance Imaging (MRI) merupakan alat yang sering digunakan karena memberikan informasi struktur otak secara detail, namun analisis manual memerlukan waktu karena meningkatnya jumlah pasien dan keragaman jenis tumor. EfficientNetV2S termasuk arsitektur CNN yang telah banyak dimanfaatkan dalam analisis citra medis, khususnya dalam penerapan klasifikasi. Selain itu StyleGANV2-ADA semakin luas diterapkan dalam pemrosesan citra. Penelitian ini bertujuan untuk mengembangkan model dengan mengoptimasi EfficientNetV2S menggunakan StyleGANv2-ADA. Dataset yang digunakan terdiri dari empat kelas: meningioma, glioma, tumor pituitari, dan tanpa tumor dengan total 800 citra MRI. Pada metode pemrosesan citra metode StyleGANV2-ADA dilakukan perbandingan dengan metode pemrosesan lainya. Dari hasil pengujian tersebut, metode tanpa augmentasi memperoleh akurasi sebesar 84,71%, metode augmentasi sebesar 87,05% dan metode StyleGANV2-ADA menghasilkan akurasi tertinggi sebesar 97,50%. Pendekatan dengan StyleGANV2-ADA menunjukkan performa terbaik dalam klasifikasi model.

Convolutional Neural Networks in the medical field, is growing, especially
in the early detection of brain tumors. Magnetic Resonance Imaging (MRI) is a commonly used tool because it provides detailed information about brain structure, but manual analysis is time-consuming due to the increasing number of patients and the diversity of tumor types. EfficientNetV2S is a CNN architecture that has been widely used in medical image analysis, especially in classification applications. Additionally, StyleGANV2-ADA is increasingly being applied in image processing. This study aims to develop a model by optimizing EfficientNetV2S using StyleGANv2-ADA. The dataset used consists of four classes: meningioma, glioma, pituitary tumor, and no tumor, with a total of 800 MRI images. In the StyleGANV2-ADA image processing method, a comparison was made with other processing methods. From the test results, the method without augmentation obtained an accuracy of 84.71%, the augmentation method obtained 87.05%, and the StyleGANV2-ADA method produced the highest accuracy of 97.50%. The approach with StyleGANV2-ADA showed the best performance in model classification.

Ketersediaan

LOADING LIST...

Lampiran Berkas

LOADING LIST...

Detail Information

Bagian	Informasi
Pengarang	AUDREY NAILA PUTRI / 15-2021-100 - Personal Name 120240203 - Chalifa Chazar, S.T., M.T. - Personal Name
No. Panggil	890IF/25
Subyek	Tumor Otak Magnetic Resonance Imaging (MRI) EfficientNetV2S, Styleganv2-ADA.
Fakultas	FTI
Tahun Terbit	2025
Jurusan	Teknik Informatika
Deskripsi Fisik
Info Detil Spesifik

Citation

APA Style

. (2025).OPTIMASI EFFICIENETV2 DENGAN STYLEGANV2- ADA UNTUK KLASIFIKASI TUMOR OTAK BERBASIS MRI().Teknik Informatika:FTI

Chicago Style

.OPTIMASI EFFICIENETV2 DENGAN STYLEGANV2- ADA UNTUK KLASIFIKASI TUMOR OTAK BERBASIS MRI().Teknik Informatika:FTI,2025.Text

MLA Style

.OPTIMASI EFFICIENETV2 DENGAN STYLEGANV2- ADA UNTUK KLASIFIKASI TUMOR OTAK BERBASIS MRI().Teknik Informatika:FTI,2025.Text

Turabian Style

.OPTIMASI EFFICIENETV2 DENGAN STYLEGANV2- ADA UNTUK KLASIFIKASI TUMOR OTAK BERBASIS MRI().Teknik Informatika:FTI,2025.Text

Detail Cantuman

OPTIMASI EFFICIENETV2 DENGAN STYLEGANV2- ADA UNTUK KLASIFIKASI TUMOR OTAK BERBASIS MRI

Detail Information

Citation

Homepage Info

Koleksi

Media Sosial / Kanal

Address