Komparasi Deep Learning Convolutional Neural Network (CNN) dan Deep Learning CNN- Support Vector Machine (SVM) untuk Identifikasi Tumor Otak dan Payudara

Identifikasi citra MRI tumor otak dan payudara merupakan aspek penting dalam pengembangan system computer aided diagnosis (CAD) yang akurat dan andal. Penelitian ini membandingkan kinerja model CNN tunggal berbasis Res-Net 50 dan model hibrida CNN-SVM dalam mengklasifikasikan berbagai jenis tumor melalui citra MRI. Metode penelitian meliputi akuisisi dataset citra MRI tumor otak dan payudara dari repositori daring Kaggle dan diproses melalui tahap pra-pemrosesan citra berupa resizing, konversi citra grayscale ke RGB, serta augmentasi data pada data training. Pada pendekatan CNN tunggal, Res-Net-50 digunakan sebagai pengklasifikasi end-to-end, sedangkan pada model hibrida CNN-SVM, fitur diekstraksi dari lapisan layer global pooling dan diklasifikasikan menggunakan SVM. Evaluasi kinerja dilakukan menggunkan confusion matrix dan chart perbandingan metrik kerja. Hasil penelitian menunjukkan bahwa kedua model mencapai akurasi 99,16 % pada klasifikasi tumor otak multi-kelas serta akurasi pada klasifikasi tumor payudara biner yaitu 98,02 %. Model CNN-SVM menunjukkan performa yang lebih stabil pada seluruh metrik kerja.