View/Open

Author
RADITIA, RIANDI

Date Published
02 Jul 2026

Advisor
Christyan Tamaro Nadeak, S.Si., M.Si.,
Fajri Farid, M.Sc.,

Subject
Sains Data

Publisher

Tumor otak merupakan salah satu penyakit dengan tingkat kematian yang tinggi, di mana proses diagnosisnya bergantung pada interpretasi citra Magnetic Resonance Imaging (MRI). Proses ini rentan terhadap human error, terutama ketika beban kerja radiolog tinggi, sehingga dibutuhkan sistem otomatis berbasis deep learning yang mampu membantu diagnosis secara akurat dan efisien. Penelitian ini bertujuan untuk mengklasifikasikan tumor otak berbasis citra MRI ke dalam empat kelas, yaitu glioma, meningioma, pituitary tumor, dan no-tumor, menggunakan arsitektur Cross Vision Transformer (CrossViT). Metode yang digunakan adalah transfer learning dengan bobot pretrained ImageNet, di mana CrossViT memanfaatkan mekanisme dual-branch cross-attention untuk memproses informasi multi-skala dalam menangani variasi morfologi tumor otak. Optimasi hyperparameter dilakukan menggunakan full grid search terhadap 10 kombinasi learning rate dan batch size untuk menemukan konfigurasi model yang optimal. Konfigurasi terbaik diperoleh pada learning rate 1 × 10−4 dan batch size 32, menghasilkan val accuracy 99,02

URI
https://repo.itera.ac.id/depan/submission/SB2607010054

Keyword
CrossViT Deep Learning MRI Transfer Learning