Klasifikasi Tumor Otak pada Citra MRI Menggunakan Transfer Learning EfficientNetB1 dan Visualisasi Grad-CAM

Abstrak

Magnetic resonance imaging (MRI) menyediakan kontras anatomi yang kaya untuk penilaian tumor otak, tetapi interpretasi rutin tetap memerlukan waktu dan ketelitian tinggi. Penelitian ini membangun pipeline klasifikasi empat kelas citra MRI otak (glioma, meningioma, pituitary, dan tidak ada tumor) dengan menggabungkan pemotongan area otak otomatis, augmentasi data, serta transfer learning menggunakan EfficientNetB1. Hasil eksperimen menunjukkan performa yang sangat kuat dengan raihan akurasi keseluruhan mencapai 0,99 (99%) pada data uji. Secara spesifik, model mencapai skor F1 sebesar 1,00 pada kelas tidak ada tumor, 0,99 pada kelas pituitary, serta 0,98 untuk kelas glioma dan meningioma. Selain laporan kuantitatif, penggunaan visualisasi Grad-CAM membuktikan bahwa prediksi model berlandaskan pada wilayah anatomi yang masuk akal secara klinis. Temuan ini menunjukkan bahwa kombinasi arsitektur yang efisien dan preprocessing yang tepat mampu menghasilkan sistem deteksi tumor otak yang akurat sekaligus dapat diinterpretasikan secara visual

Identifier

• DOI: https://doi.org/10.33998/jms.2026.6.1.2782
• OpenAlex: https://openalex.org/W7161784215