Search for collections on Undip Repository

Optimasi Model DeepLabv3+ pada Segmentasi Low Grade Glioma (LGG) Brain Tumors

WINANDA, Bintang Aryo Bimo (2024) Optimasi Model DeepLabv3+ pada Segmentasi Low Grade Glioma (LGG) Brain Tumors. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

[thumbnail of 1. COVER.pdf] Text
1. COVER.pdf

Download (84kB)
[thumbnail of 2. HALAMAN PERNYATAAN.pdf] Text
2. HALAMAN PERNYATAAN.pdf

Download (227kB)
[thumbnail of 3. HALAMAN PENGESAHAN.pdf] Text
3. HALAMAN PENGESAHAN.pdf

Download (214kB)
[thumbnail of 4. KATA PENGANTAR.pdf] Text
4. KATA PENGANTAR.pdf

Download (230kB)
[thumbnail of 6. ABSTRAK.pdf] Text
6. ABSTRAK.pdf

Download (229kB)
[thumbnail of 7. ABSTRACT.pdf] Text
7. ABSTRACT.pdf

Download (168kB)
[thumbnail of 8. DAFTAR ISI.pdf] Text
8. DAFTAR ISI.pdf

Download (249kB)
[thumbnail of 11. BAB I PENDAHULUAN.pdf] Text
11. BAB I PENDAHULUAN.pdf

Download (244kB)
[thumbnail of 16. DAFTAR PUSTAKA.pdf] Text
16. DAFTAR PUSTAKA.pdf

Download (242kB)

Abstract

Tumor otak adalah massa jaringan abnormal yang mengganggu aktivitas normal otak dan
merusak sel-selnya. Pendeteksian tumor perlu dilakukan dengan menggunakan pencitraan
medis melalui MRI. Hasil citra MRI digunakan untuk mendeteksi berbagai jenis tumor otak,
termasuk glioma. Low grade glioma (LGG) adalah jenis glioma dengan tingkat keganasan
yang dikategorikan oleh WHO pada grade II dan III, bersifat infiltratif dan berpotensi
berkembang menjadi lebih ganas. Deteksi dini sangat penting untuk mencegah tumor
semakin berkembang, tetapi tidak banyak penelitian yang dilakukan tentang segmentasi
tumor khususnya LGG. Deteksi dini pada tumor dapat dilakukan dengan menggunakan deep
learning. Pendekatan deep learning semakin umum digunakan pada segmentasi dan model
DeepLabv3+ menjadi populer karena mudah digunakan serta dapat dioptimalkan. Menurut
penelitian sebelumnya, variasi dan optimasi model DeepLabv3+ dapat meningkatkan hasil
segmentasi tumor otak. Studi ini bertujuan untuk mengoptimasi model DeepLabv3+ pada
dataset tumor otak TCGA LGG dengan mengubah dua modul parameter: modul backbone
dan modul pyramid pooling. Model DeepLabv3+ dengan optimasi terbaik diperoleh
menggunakan kombinasi backbone ResNet50 dan pyramid pooling SPPM+. Hasil optimasi
menunjukkan peningkatan akurasi model dengan skor intersection over union (IoU) sebesar
92,36% dan dice coefficient sebesar 94,8%. Hasil ini membuktikan keunggulan model
DeepLabv3+ yang dioptimasi dibandingkan dengan model DeepLabv3+ orisinal dalam
segmentasi low grade glioma (LGG) brain tumors.
Kata kunci : Convolutional Neural Network, Optimasi Model DeepLabv3+, Segmentasi
Tumor Otak, Low Grade Glioma, Brain Tumors

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Informatics
Depositing User: Yemima Laras Sekarsari
Date Deposited: 10 Feb 2026 11:43
Last Modified: 10 Feb 2026 11:43
URI: https://eprints2.undip.ac.id/id/eprint/44963

Actions (login required)

View Item View Item