@thesis{thesis,
		author={Ikhsani  Moh Farid Nurul},
		title ={SISTEM PENDETEKSI DAN KLASIFIKASI TUMOR OTAK PADA CITRA MENGGUNAKAN UNET},
		year={2023},
		url={http://eprints.poltektegal.ac.id/2617/},
		abstract={Tumor otak merupakan perubahan sel yang tidak normal dan dapat mengganggu fungsi otak. Metode pendekatan citra anatomi kesehatan, seperti CT-Scan dan MRI, digunakan untuk mendeteksi tumor otak. Namun, penggunaan CT-Scan memiliki efek samping, termasuk paparan radiasi berlebihan. Penelitian ini bertujuan untuk membangun sistem klasifikasi tumor otak yang dapat membedakan jenis tumor otak. Penelitian ini menggunakan algoritma Convolutional Neural Network untuk klasifikasi tumor otak. Arsitektur yang digunakan pada penelitian ini menggunakan RestNet50. Dari hasil penelitian klasifikasi tumor otak ini sudah cukup baik, Hal ini ditunjukkan dengan tingkat akurasi yang sampai menyentuh angka 92%. Dengan penggunaan arsitektur U-Net dalam segmentasi citra medis untuk deteksi tumor otak. U-Net memiliki keunggulan dalam mengatasi masalah segmentasi dengan efisiensi dan akurasi yang lebih tinggi, khususnya dalam mengidentifikasi objek kompleks. Hasil penelitian ini diharapkan dapat meningkatkan kualitas segmentasi citra medis, mendukung diagnosis yang lebih akurat dan efektif dengan hasil tversky score 83.46%. Penelitian ini dilakukan dengan menggunakan teknik pengujian seperti Black Box.
Kunci: Tumor otak, MRI, U-Net, RestNet50, Deep learning.}
		}