Penyakit alzheimer menyebabkan kerusakan permanen pada sel-sel otak yang berhubungan dengan memori dan kemampuan berpikir. Penyakit alzheimer adalah penyakit neurodegeneratif dengan dampak signifikan pada kehidupan pasien. Deteksi dini dan pengobatan pada pasien penderita penyakit alzheimer sangat penting dilakukan karena dapat membantu menunda perkembangan penyakit tersebut beserta gejalanya. Deteksi dan pengklasifikasian penyakit alzheimer dengan menggunakan citra MRI masih dilakukan secara manual oleh dokter, sehingga dibutuhkan sebuah sistem sebagai alternatif lain dalam melakukan hal tersebut.
Pada penelitian ini dirancang sebuah sistem klafikasi penyakit alzheimer dengan empat kelas yaitu Mild Demented, Very Mild Demented, Non Demented, dan Moderate Demented. Sistem yang dirancang menggunakan model CNN (Convolutional Neural Network) dengan arsitektur EfficientNet berdasarkan citra MRI otak sebagai masukannya. Dataset yang akan digunakan pada penelitian ini diambil dari Kaggle dengan nama Alzheimer's Dataset (4 class of Images). Dataset tersebut dibagi menjadi data latih sebanyak 75% dan data uji sebanyak 25%.
Pengujian dilakukan dengan menggunakan dua dataset yaitu citra asli dan citra augmentasi. Hyperparameter terbaik yang didapat pada pengujian dengan menggunakan citra asli yaitu resize citra berukuran 200×200 piksel, optimizer Adam, learning rate 0.001, epoch 50, dan batch size 16. Kinerja sistem dari hasil pengujian tersebut mendapatkan nilai accuracy sebesar 0.93, nilai precision sebesar 0.95, nilai recall sebesar 0.92 dan f1-score sebesar 0.93. Sedangkan Hyperparameter terbaik yang didapat dengan menggunakan citra augmentasi yaitu resize citra berukuran 100×100 piksel, optimizer Nadam, learning rate 0.001, epoch 50, dan batch size 16. Kinerja sistem dari hasil pengujian tersebut mendapatkan nilai accuracy, precission, recall dan f1-score masing-masing sebesar 0.97.
Kata Kunci: Alzheimer, Convolutional Neural Network, EfficientNet.