PENGARUH METODE PENINGKATAN KONTRAS PADA KLASIFIKASI DATA SCAN MRI TUMOR OTAK MENGGUNAKAN MODEL CONVOLUTIONAL NEURAL NETWORK (CNN) MELALUI TRANSFER LEARNING EFFICIENTNET-B0
Deteksi tumor otak melalui citra MRI sering menghadapi kendala berupa kualitas citra yang rendah, seperti kontras yang tidak merata dan keberadaan noise, sehingga dapat menurunkan akurasi diagnosis. Penelitian ini mengembangkan sistem klasifikasi tumor otak otomatis berbasis deep learning dengan arsitektur EfficientNet-B0 menggunakan pendekatan image preprocessing Adaptive Histogram Equalization (AHE) dan Contrast Limited Adaptive Histogram Equalization (CLAHE) pada dataset citra MRI dengan empat kelas (Glioma, Meningioma, Pituitary, dan No Tumor). Hasil penelitian menunjukkan bahwa Model CLAHE sedikit lebih unggul dengan akurasi pengujian mencapai 98%, lebih tinggi dibandingkan Model AHE (97%) dan Base Model (96%). Uji statistik juga membuktikan bahwa peningkatan performa CLAHE signifikan secara statistik (p = 0.0243), terutama dalam meningkatkan kemampuan deteksi kelas Meningioma.
URI
https://repo.itera.ac.id/depan/submission/SB2509300006
Keyword
Tumor Otak MRI Peningkatan Kontras EfficientNet-B0 CNN