KLASIFIKASI CITRA MRI PENYAKIT ALZHEIMER MENGGUNAKAN METODE DEEP LEARNING EFFICIENTNET-B0 DAN VGG-19

Abstrak

Penyakit Alzheimer merupakan bentuk paling umum dari demensia yang ditandai dengan penurunan progresif fungsi kognitif, daya ingat, dan perilaku. Deteksi dini Alzheimer menjadi krusial untuk mencegah dampak jangka panjang terhadap kualitas hidup penderita. Penelitian ini bertujuan untuk mengklasifikasikan stadium penyakit Alzheimer berdasarkan citra Magnetic Resonance Imaging (MRI) menggunakan metode deep learning dengan arsitektur EfficientNet-B0 dan VGG-19. Dataset yang digunakan terdiri dari 6.400 citra MRI yang terbagi ke dalam empat kelas: demensia sangat ringan, demensia ringan, demensia sedang, dan kondisi normal. Proses preprocessing meliputi resize, sharpening citra menggunakan kernel 3x3, aktivasi ReLU, serta pooling dengan MaxPooling2D. Data kemudian dibagi menjadi 80% untuk pelatihan, 10% validasi, dan 10% pengujian. Hasil pelatihan menunjukkan bahwa model VGG-19 mampu mencapai akurasi tertinggi sebesar 95%, sementara EfficientNet-B0 mencapai 94%. Evaluasi performa dilakukan menggunakan metrik precision, recall, dan F1-score untuk masing-masing kelas. Berdasarkan hasil tersebut, kedua model menunjukkan performa yang tinggi dalam klasifikasi citra MRI penyakit Alzheimer. Temuan ini menunjukkan bahwa pendekatan deep learning mampu memberikan hasil akurat dan dapat digunakan sebagai alat bantu dalam proses diagnosis dini penyakit Alzheimer secara otomatis.