Deteksi Mutasi Kanker Paru Pada Citra CT-Scan Menggunakan Pre-Trained CNN-VGG19

Abstrak

Paru-paru merupakan organ vital yang mendukung sistem pernapasan, namun dapat mengalami gangguan seperti kanker paru yang dapat menyebar atau bermutasi jika tidak segera dideteksi. Salah satu metode deteksi dini yang sering digunakan adalah pencitraan CT-Scan. Untuk mengurangi kemungkinan kesalahan manusia dalam interpretasi, penelitian ini menggunakan pendekatan deep learning dengan model pre-trained VGG19 yang telah terbukti efektif pada berbagai penerapan computer vision dengan dataset medis yang terbatas. Penelitian ini membangun model klasifikasi dua kelas, yaitu mutasi positif dan mutasi negatif, dengan data citra CT-Scan yang melalui tahapan pemrosesan awal berupa penghapusan data duplikat, konversi format DICOM ke JPG, pembagian data, dan normalisasi. Model dilatih dengan menggunakan data citra CT-Scan yang telah melalui pemrosesan awal dan berhasil memberikan kinerja terbaik dengan penerapan optimizer Nadam dengan learning rate sebesar 0,001 dan batch size 32. Hasil penelitian menunjukkan nilai akurasi sebesar 1,00 pada pelatihan dan nilai F1 score sebesar 1,00 pada pengujian, yang membuktikan efektivitas pre-trained VGG19 dalam mendeteksi mutasi kanker paru serta potensinya dalam mendukung diagnosis medis secara lebih akurat.