Di Indonesia, jumlah kasus tumor otak mencapai sekitar 300 pasien yang terdiagnosis setiap tahunnya. Sayangnya, banyak orang mengabaikan gejala yang mungkin disebabkan oleh tumor otak. Penelitian ini bertujuan untuk mengevaluasi metode klasifikasi citra MRI otak guna mendeteksi otak normal, glioma (Tumor Ganas) dan meningioma (Tumor Jinak). Metode penelitian yang digunakan menggunakan metode Convolutional Neural Network (CNN) dengan base model Mobilenetv2 dilanjutkan dengan Konvolusi, ReLu, Dropout, Maxpooling, Flatten dan Dense yang kemudian model CNN akan di deploy ke perangkat berbasis mobile. Hasil training model berada di tingkat akurasi 97.03% sementara pengujian model didapatkan tingkat akurasi 94% untuk tingkat akurasi menggunakan perthitungan confusion matriks, dan 90% akurasi untuk pengujian langsung pada aplikasi.

In Indonesia, the number of cases related to brain tumors reaches approximately 300 diagnosed patients each year. Unfortunately, many people tend to overlook the symptoms associated with brain tumors. This research aims to assess the classification method of brain MRI images to detect normal brain, glioma (malignant tumor), and meningioma (benign tumor). The research methodology employs Convolutional Neural Network (CNN) with the Mobilenetv2 base model, involving steps such as convolution, ReLu, dropout, maxpooling, flatten, and dense layers. Subsequently, the CNN model will be deployed on mobile devices. The training results of the model indicate an accuracy level of 97.03%, while the testing phase yields a 94% accuracy rate using the confusion matrix calculation and 90% accuracy for direct testing through the application.