Tumor merupakan penyakit yang sering terjadi pada otak manusia, dikarenakan pola hidup ataupun garis keturunan yang memungkinkan tumor berkembang di otak. Umumnya dokter menggunakan metode CT – Scan atau Magnetic Resonance Imaging (MRI) untuk pengambilan citra tumor otak. Penelitian ini mengkaji penerapan arsitektur U – Net untuk segmentasi tumor otak pada citra MRI, dengan tujuan memperbharui metode segmentasi yang ada melalui pendekatan yang lebih efektif. Segmentasi bertujuan memisahkan area tumor dari jaringan otak lainnya, yang sangat penting dalam diagnosis, perencanaan pengobatan, dan pemantauan penyakit, khususnya dalam mengidentifikasi tumor pada sisi kiri atau kanan otak yang memiiki dampak klinis yang berbeda. Data yang digunakan berasal dari citra MRI tumor otak yang diambil dari platform Kaggle (2019), dengan 50 data citra diuji dalam penelitian ini. Setelah mealui tahap preprocessing dan segmentasi dengan U – Net, evaluasi menggunakan Recevier Operating Characteristic (ROC) menghasilkan nilai rata – rata sebesar 91%. Menunjukkan kefektifan U – Net dalam mendeteksi dan memisahkan area tumor. Penelitian ini menekankan pentingnya teknologi canggih seperti U – Net dalam meningkatkan kualitas layanan medis berbasis citra.

Tumors are a common condition that can occurs in the human brain, often due to lifestyle factors genetic predisposition that allows tumors to develop in the brain. Doctors typically use CT Scan or Magnetic Resonance Imaging (MRI) to capture brain tumor images. The study examines the application of U – Net architecture for brain tumor segmentation in MRI images, with the aim of improving existing segmentation methods through a more effective approach. Segmentation is intended to separate the tumor area from other brain tissues, which is crucial for diagnosis, treatment planning, and disease monitoring, particularly in identifying tumors on the lest or right side of the brain, which have different cinical impacts. The data used were MRI brain tumor images obtained from the Kaggle platform (2019), with 50 images tested in this study. After preprocessing and segmentation using U – Net, the evaluation using Recevier Operating Characteristic (ROC) resulted in a average accuracy of 91%, demonstrating the effectiveness of U – Net in detecting and isolating tumor areas. This research highlights the importance of advanced technology like U – Net in enhancing the quality of image – based medical services.