Klasifikasi penyakit Alzheimer menggunakan metode hybrid inception v3-RELM

Alzheimer merupakan penyebab utama demensia yang ditandai oleh kerusakan sel saraf pada area otak yang berperan dalam fungsi kognitif. Diagnosis berbasis citra Magnetic Resonance Imaging (MRI) memerlukan analisis yang akurat dan konsisten, sehingga pendekatan Computer Aided Diagnosis (CAD) dikembangkan untuk mendukung proses klasifikasi secara otomatis. Penelitian ini bertujuan untuk menerapkan hyperparameter tuning guna memperoleh kombinasi parameter terbaik serta mengevaluasi performa optimal model hybrid Inception v3-Regularized Extreme Machine Learning (RELM) dalam klasifikasi citra MRI Alzheimer. Metode yang digunakan mengombinasikan Inception v3 sebagai ekstraktor fitur dan RELM sebagai pengklasifikasi. Evaluasi dilakukan menggunakan Repeated Stratified K-Fold Cross Validation dengan variasi parameter meliputi nilai regularisasi C, fungsi aktivasi, jumlah neuron, dan batch size. Model dikembangkan untuk mengklasifikasikan enam tingkat kondisi kognitif, yaitu cognitively normal, subjective memory complaints, early mild cognitive impairment, mild cognitive impairment, late mild cognitive impairment, dan Alzheimer's disease. Hasil pengujian menunjukkan bahwa kombinasi parameter terbaik diperoleh pada nilai C=0.01, fungsi aktivasi Swish, 32768 neuron, dan batch size 2048. Konfigurasi tersebut menghasilkan performa klasifikasi dengan accuracy sebesar 81,67%, precision 82,23%, recall 81,76%, specificity 96,23%, dan f1-score 81,31%. Hasil ini menunjukkan bahwa penerapan hyperparameter tuning berperan penting dalam menentukan konfigurasi model yang mampu memberikan performa klasifikasi yang stabil pada model hybrid Inception v3-RELM.