Perbandingan Metode Deep Learning dalam Mengklasifikasi Citra Scan MRI Penyakit Otak Parkinson

Penyakit Parkinson merupakan gangguan neurodegenerative yang bersifat progresif dan relative umum pada system saraf pusat yang menyebabkan kesulitan dalam bergerak. Biasanya penyakit ini sering terjadi pada individu berusia lebih dari 60 tahun dipengaruhi oleh factor genetic dan lingkungan. Deteksi dini pada penyakit Parkinson dapat mencegah gejala hingga usia tertentu sehingga meningkatkan harapan hidup. Dalam penelitian ini bertujuan untuk menggunakan gambar otak dari Magnetic Resonace Imaging (MRI) untuk mengetahui bagaimana penyakit tersebut menyebar, dengan menggunakan metode deep learning menggunakan model atau arsitektur InceptionV3, VGG16, VGG19, NasnetMobile, dan MobileNet dengan melalui proses Input data - augmentasi - preprocessing - Classification (model a b c d ) - result dan pembelajaran mesin pada kumpulan data klinis dan paraklinis untuk mendiagnosis secara akurat meggunakan dataset yang berasal dari Parkinsons Brain MRI sebanyak 2 kelas yaitu kelas normal dan Parkinson. Hasil dari penelitian menggunakan deep learning berdasarkan kelima algoritma yang digunakan tersebut diperoleh nilai akurasi terbaik dari seluruh model arsitektur adalah arsitektur MobileNet sebesar 99,75% dengan kappa score 99,30% dengan total durasi komputasi selama 2 jam satu menit