KLASIFIKASI JENIS TUMOR OTAK MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN CONVOLUTIONAL NEURAL NETWORK

Tumor otak menjadi salah satu penyakit yang mematikan, dimana sel-sel abnormal tumbuh secara tidak wajar didalam otak. Citra digital melalui Magnetic Resonance Imaging (MRI) merupakan salah satu metode untuk membantu dokter dalam menganalisa dan mengklasifikasikan jenis tumor otak. Namun pada citra MRI terdapat objek lain seperti tulang tengkorak dan tekstur cerebrum otak yang dapat mengganggu proses pengenalan objek tumor. Pada penelitian ini dibangun suatu sistem yang dapat mengklasifikasikan jenis penyakit tumor otak serta memberikan informasi terkait jenis tumor tersebut melalui identifikasi citra digital menggunakan supervised classification. Citra digital yang akan diidentifikasi sebelumnya melalui proses transformasi citra ke grayscale, lalu dilanjutkan dengan proses morfologi berupa closing, kemudian dilakukan labeling dan ekstraksi fitur tekstur dengan GLCM (Gray Level Co-occurrence Matrix). Hasil ekstraksi fitur tekstur diklasifikasikan dengan CNN (Convolutional Neural Network) untuk menentukan jenis penyakit tumor otak. Pengujian dilakukan dengan sample citra MRI, 50 citra sebagai data latih dan 30 citra sebagai data uji untuk pengklasifikasian jenis tumor dan 4 citra sebagai data uji untuk mengenal otak normal. Hasil pengujian menunjukkan metode CNN memiliki persentase rata-rata accuracy 90%, precision 100%, recall 90% dan error 10%.