Identifikasi Otomatis Citra MRI Tumor Otak Benign dan Malignant dengan Metode Neural Network Backpropagation.

Keberadaan tumor pada stadium awal sangat sulit diketahui karena batas tumor masih tidak jelas dan kekontrasannya rendah mirip dengan jaringan normal. Interpretasi atau pembacaan citra MRI membutuhkan waktu yang lama dan pakar radiologi kemungkinan dapat bersifat obyektif dalam mendiagnosa. Penelitian ini bertujuan untuk membangun sebuah program yang mampu mendeteksi kelainan benign (jinak), dan malignant (ganas) dari citra otak MRI menggunakan jaringan syaraf tiruan backpropagation. Metode backpropagation melatih jaringan untuk mendapatkan keseimbangan antara jaringan pelatihan dan pengujian. Fitur yang digunakan pada backpropagaton ada fitur tekstur contrast, energi, invers different moment dan correlation. Semua fitur tersebut diambil menggunakan metode gray level co-occurrence matrice (GLCM). Akurasi pelatihan backpropagation tertinggi yaitu sebesar 88.89% dari 9 data latih dengan maksimum epoh 10000, learning rate 1, dan jumlah neuron di hidden layer 10. Akurasi pengujian sebesar 100% dari 3 data uji. Akurasi dari pengujian untuk membedakan tumor benign dan malignant memiliki akurasi yang lebih tinggi daripada literatur. Pemilihan fitur teksur dari GLCM yang lebih efektif dan memperbanyak data yang digunakan dapat menjadi pertimbangan untuk penelitian selanjutnya guna meningkatkan akurasi sistem