(0721) 8030188    [email protected]   

Optimasi Hyperparameter pada CNN-ResNet-50 Menggunakan Particle Swarm Optimization (PSO) untuk Klasifikasi Tumor Otak berdasarkan Citra MRI


Tumor otak merupakan penyakit dengan tingkat kematian tinggi dan proses diagnosis yang kompleks akibat gejala awal yang tidak spesifik. Untuk mengatasi permasalahan tersebut, pendekatan berbasis citra menggunakan Magnetic Resonance Imaging (MRI) terus dikembangkan. Salah satu pendekatan tersebut adalah metode deep learning dengan memanfaatkan arsitektur Convolutional Neural Network (CNN). Penelitian ini bertujuan untuk menerapkan arsitektur CNN ResNet-50 dalam klasifikasi tumor otak berbasis citra MRI, dengan peningkatan kinerja yang dicapai melalui optimasi dua hyperparameter utama, yaitu learning rate dan jumlah epoch, menggunakan algoritma Particle Swarm Optimization (PSO). Hasil optimasi menunjukkan peningkatan akurasi pelatihan dari 89% menjadi 92

URI
https://repo.itera.ac.id/depan/submission/SB2508170009

Keyword
Convolutional Neural Networks (CNN) Deep Learning Klasifikasi Gambar Particle Swarm Optimization (PSO) Tumor Otak