Analisis Klasifikasi Gambar dengan Metode Bayesian Convolutional Neural Network menggunakan Variational Inference (VI) (Studi Kasus : Gambar MRI Otak Pada Pasien Penderita Penyakit Alzheimer)

Abstract

Penyakit Alzheimer adalah salah satu kelainan otak yang dapat mematikan pada manusia di usia lanjut. Penyakit ini kurang diobati dan kurang dikenali, namun saat ini penyakit Alzheimer menjadi masalah kesehatan masyarakat yang utama. Deteksi dini penyakit ini dapat mengurangi gejala secara signifikan. Namun kurangnya tenaga medis sehingga penanganan penyakit ini sulit dilakukan. Oleh karena itu, diperlukan diagnosis otomatis pada penyakit Alzheimer dengan pemeriksaan Magnetic Resonance Imaging (MRI) agar mendapatkan diagnosis penyakit secara akurat. Penelitian ini akan mengklasifikasikan tipe penyakit Alzheimer dengan metode deep learning menggunakan BCNN pada teknik VI. Bertujuan untuk menentukan klasifikasi gambar dan tingkat akurasi pada tingkat penyakit Alzheimer dengan menggunakan 2400 gambar MRI otak pada pasien penderita penyakit Alzheimer yang terbagi kedalam 3 kelas (non demented, very mild demented, dan mild demented) berdasarkan tingkat keparahannya. Hasil yang didapatkan dari penelitian ini yaitu implementasi terbaik pada algoritma BCNN dengan arsitektur terbaik dari parameter dengan skenario dataset 80%:20%, size 100x100 pixel, ukuran kernel 3x3, dan optimizer Adam dengan epoch 200. Hasil tingkat akurasi dari proses pengklasifikasian gambar yaitu sebesar 80%. Selain itu, berdasarkan model terbaik dapat menghasilkan prediksi label yaitu label Mild Demented diprediksi benar dengan akurasi sebesar 100% dan prediksi ketidakpastian berdasarkan model terbaik dapat menghasilkan prediksi yaitu label Non Demented diprediksi bahwa ketidakpastiannya sebesar 0.371.