JUDUL MENGGAMBARKAN TENTANG APA YANG DITELITI, DATA

DAN METODE YANG DIGUNAKAN

Proposal Tugas Akhir

Diajukan Untuk Memenuhi
Persyaratan Guna Meraih Gelar Sarjana
Informatika Universitas Muhammadiyah Malang

Nama Lengkap
(Nomor Induk Mahasiswa)

Bidang Minat
Sains Data

PROGRAM STUDI INFORMATIKA FAKULTAS TEKNIK

UNIVERSITAS MUHAMMADIYAH MALANG
2022
 LEMBAR PERSETUJUAN

JUDUL MENGGAMBARKAN TENTANG APA YANG DITELITI, DATA

DAN METODE YANG DIGUNAKAN

Nama Lengkap
NIM

Telah Direkomendasikan Untuk Diajukan Sebagai

Judul Tugas Akhir Di
Program Studi Informatika Universitas Muhammadiyah Malang

Malang, 29 November 2020

Menyetujui,

Dosen 1 Dosen 2

Dosen Perekomendasi 1 Dosen Perekomendasi 2

NIP. NIP.
 BAB 1 PENDAHULUAN

1.1. Pendahuluan
Pendahuluan dimulai dengan fokus pembahasan yang luas. Kalimat yang dipilih
sebagai pembuka paragraf awal harus memiliki daya tarik dan perhatian ke pembaca dan
menyampaikan mengapa penelitian ini penting untuk dilakukan [1]. Antara bagian awal dan
akhir dari pendahuluan diuraikan tentang latar belakang, serta tinjauan dari penelitian
sebelumnya yang terkait [2]. Bagian ini mengubungkan secara logis permasalahan yang ada
dalam penelitian dengan pendekatan metode yang digunakan untuk menyelesaikan
permasalahan tersebut. Pendahuluan diakhiri dengan maksud dan tujuan penelitian yang
dipresentasikan dalam artikel, atau aktivitas serta temuan utama dalam penelitian [3].
Tiap paragraf yang ada dalam pendahuluan harus memiliki kerunutan, demikian juga
tiap kalimat yang ada di dalam paragraph [4-5]. Pendahuluan harus mempunyai tinjauan
literatur yang mengarahkan pembaca menuju topik penelitian yang dibahas. Awal
pendahuluan membahas referensi yang bersifat umum / general, kemudian meakin
mengerucut ke topik penelitian yang paling relevan [6]. Pendahuluan harus menjelaskan
hasil dari penelitian yang relevan, dan memberikan hasil kajian (keunggulan dan kelemahan)
dari penelitian tersebut, tahun referensi, author, data dan method yang digunakan, dan hasil
pengujian / performa dari method yang diusulkan [7]. Pada paragraf kedua terakhir
menjelaskan tentang perbedaan penelitian yang diusulkan dengan penelitan sebelumnya.
Pada paragraph akhir penulis menjelaskan tentang metode yang diusulkan, serta alasan
kenapa mengusulkan metode tersebut (Hipotesa) [8-10]. Referensi minimal 25 paper
termasuk 1 paper sebagai referensi utama yang akan ditingkatkan performanya lebih baik
dan 1 paper referensi utama kedua yg digunakan sebagai acuan untuk memperbaiki performa
referensi pertama.
Bab pendahuluan secara umum tersusun dari beberapa paragraph penting untuk
menjelaskan latar belakang penelitian, studi literatur, gap dan kontribusi yang diusulkan
pada penelitian yang akan dilakukan.
1. Bagian pertama urgensi penelitian: Deskripsikan tentang urgensi penelitian, mengapa
penelitian ini perlu dilakukan. Bagian pertama cukup satu paragraph.
2. Bagian kedua studi literatur: Studi literatur tentang penelitian terdahulu yang relevan.
Semakin kebawah semakin membahas penelitian yang lebih relevan. Referensi utama
dibahas paling akhir dan paling detil. Pembahasan referensi meliputi author, tahun,
dataset yang digunakan, method yang diusulkan, skenario pengujian, parameter
 pengukuran performa, dan hasil performa terbaik. Jumlah paragraph tergantung jumlah
referensi yang dibahas.
3. Bagian ketiga gap analysis: Paragraf ini membahas paper referensi utama yang akan
diperbaiki performanya dan perbedaannya dengan penelitian sebelumnya. Jelaskan
kelemahan penelitian2 sebelumnya sebagai alasan penelitian ini diusulkan. Misal akurasi
yang masih rendah, model masih overfitting, komputasi tinggi, proses training lama, dsb.
Jumlah paragraph gap analysis cukup satu paragraph.
Paragraf ini fokus membahas masalah pada penelitian sebelumnya, jika tidak ada
masalah pada penelitian sebelumnya, maka tidak perlu dilakukan penelitian,
masalah inilah yang melatarbelakangi penelitian yang akan dilakukan.
4. Bagian empat kontribusi: paragraph ini membahas hipotesa atau solusi atau metode yang
diusulkan untuk memperbaiki performa dari paper referensi utama. Misal mengusulkan
model baru baik menggunakan pre train atau hand made CNN, mengusulkan klasifikasi
bertingkat, menambahkan relevance feedback, melakukan modifikasi model dengan
menambahkan layer dropout untuk mengatasi overfitting, melakukan augmentasi data
karena datanya terlalu sedikit, modifikasi method augmentasi data agar lebih mudah di
klasifikasikan, dsb. Jumlah paragraph kontribusi cukup satu paragraph terletak dibagian
paling akhir pada bab pendahuluan.

Gambar 1. Pembahasan pada pendahuluan

1.2. Rumusan Masalah
Rumusan masalah penelitian merupakan rumusan dari masalah – masalah yang
muncul pada pembahasan yang ada di bab pendahuluan. Rumusan masalah penelitian
merupakan masalah yang timbul akibat hipotesa dan belum bisa dijawab tanpa dilakukan
implementasi dan pengujian.
Rumusan masalah dapat disimpulkan menggunakan menggunakan poin seperti di
bawah ini :
a. Bagaimana membangun aplikasi klasifikasi citra menggunakan Convolutional Neural
Network.
b. Bagaimana mengukur performa klasifikasi citra menggunakan Convolutional Neural
Network.
Rumusan masalah juga bisa dituliskan menggunakan paragraph tanpa menggunakan per
poin seperti rumusan diatas. Contoh rumusan masalah menggunakan paragraph seperti
kalimat berikut.
Berdasarkan kajian dan pembahasan literatur [13] dan [14] dan hipotesa serta kontribusi
yang telah dipaparkan pada bab pendahuluan maka dapat dirumuskan masalah panelitian ini
adalah bagaimana pengaruh penambahan batch normalization pada setiap akhir section
konvolusi dan hyperparameter apa saja yang paling signifikan mempengaruhi akurasi
klasifikasi ketika menggunakan Grid Search dan Bayesian Search.
Kedua model penulisan perumusan sama baiknya hanya saja dari sisi konten bisa dilihat
pemahaman terhadap literatur review sangat berbeda pada rumusan di paragraph. Namun
demikian substansi pada model paragraph dapat juga dituliskan menggunakan model poin.

1.3. Tujuan Penelitian

Tujuan penelitian menjelaskan mengenai hasil yang dicapai jika penelitian telah
dilakukan, dan terkait dengan rumusan masalah. Contoh:
Tujuan penelitian ini melakukan klasifikasi pada data tumor otak menggunakan CNN
untuk mendapatkan performa yang lebih baik dari penelitian sebelumnya menggunakan tiga
jenis model dan modifikasi data augmentasi.

1.4. Batasan Masalah

Batasan masalah berisi mengenai batasan-batasan yang digunakan pada penelitian
sehingga penelitian tetap fokus pada rumusan masalah yang telah dituliskan.
 BAB 2 METODOLOGI PENELITIAN

Bab metode penelitian menjelaskan tentang penelitian sebelumnya (state of the art),
gambaran penelitian secara umum, dataset yang digunakan, metode / algoritma yang
diusulkan untuk menyelesaikan masalah penelitian, pengukuran performa, dan skenario
pengujian [11]. Di sub bab ini juga dijelaskan paper yang dijadikan referensi utama yang
akan diperbaiki performanya dan paper referensi lain yang relevan yang memiliki dataset
yang sama, sehingga nantinya dapat dibandingkan performanya [12].
1. State of the art
Tabel 1. State of the art penelitian
2. Rancangan penelitian
Penjelasan tentang rancangan penelitian, pada sub bab ini dijelaskan setiap
tahapan penelitian mulai dari pembagian dataset training dan testing, preprocessing,
augmentasi data jika ada, deskripsi model yg digunakan secara umum, hingga
parameter pengukuran performa [13]. Contoh rancangan metode penelitian yang
diusukkan tampak pada Gambar 2. Semua gambar wajib dijelaskan dan dirujuk di
paragraph dan penulisan kata gambar yang dirujuk menggunakan huruf besar pada
awal kata, contoh “Gambar 2”.

Gambar 2. Rancangan penelitian yang diusulkan

3. Dataset
Penjelasan dataset, sumber, jumlah data, jumlah kelas, jumlah data per kelas,
dimensi data, teknik praproses dsb [14].

Gambar 3. Contoh dataset dengan penjelasan detil untuk gambar (1), gambar (b)
hingga gambar (e).
4. Model yang diusulkan
a. Model 1
Penjelasan model 1 yang tampak pada Gambar 4.

Gambar 4. Model 1 menggunakan tiga layer konvolusi dan…

b. Model 2
Penjelasan model 2 yang tampak pada Gambar 5.

Gambar 5. Model 2 menggunakan enam layer konvolusi dan dropout.

 c. Model 3
Penjelasan model 3 yang tampak pada Gambar 6.

Gambar 6. Model 3 menggunakan 4 layer konvolusi dan penambahan batch

normalization pada setiap layer konvolusi.

5. Pengukuran performa
a. Confusion matrix [15]
b. Accuracy
c. Precision
d. Recall
e. F1 Score
f. AUC

6. Skenario Pengujian
a. Skenario 1 original dataset
Skenario ini menguji klasifikasi menggunakan model 1, 2 dan 3 dengan
original dataset. Pembagian data training dan data testing,..
b. Skenario 2 augmentasi
Skenario ini menguji klasifikasi menggunakan model 1, 2 dan 3 dengan
augmentasi dataset. Pembagian data training dan data testing,..
c. Skenario 3 preprocessing + augmentasi
 Skenario ini menguji klasifikasi menggunakan model 1, 2 dan 3 dengan
augmentasi + augmentasi dataset. Pembagian data training dan data
testing,..
Hasil pengujian akan dituangkan dalam tabel hasil pengujian untuk
membandingkan skenario terbaik tampak pada Tabel 1. Kemudian skenario terbaik
dijadikan proposed model yang dibandingkan dengan state of the art dari penelitian
sebelumnya, seperti yang tampak pada Tabel 2. Semua tabel wajib dijelaskan dan
dirujuk di paragraph dan penulisan tabel yang dirujuk menggunakan huruf besar pada
awal kata, contoh “Tabel 1”.

Tabel 1. Perbandingan performa dari model yang diusulkan

(%)
(%) (%) (%)
Sceanri Class / (%) Recall
TP TN FP FN F1- Akuras Specifi
o Label Presisi (Sensit
Score i city
ivity) Support

Scen Glioma
ario Meningioma
1 Pituitary
Scen Glioma
ario Meningioma
2 Pituitary
Scen Glioma
ario Meningioma
3 Pituitary

Tabel 2. Perbandingan proposed model (skenario dan model terbaik) dengan penelitian
sebelumnya (state of the art)
(%)
(%) (%) (%)
Class / (%) Recall
Model TP TN FP FN F1- Akuras Specifi
Label Presisi (Sensit
Score i city
ivity) Support

Xce Glioma
ptio Meningioma
n [2] Pituitary
VG Glioma
G16 Meningioma
[4] Pituitary
Mob Glioma
ileN
Meningioma
etV2
[5] Pituitary
Pro Glioma
pose
Meningioma
d
Mo Pituitary
 del

7. Lini masa penelitian

Tahap ini merupakan tahap dokumentasi rincian penelitian. Berikut merupakan
rancangan waktu pada penelitian yang akan dilakukan, dapat dilihat pada Tabel 3 sebagai
berikut:
Tabel 3. Contoh Lini masa penelitian.
Kegiatan Bulan 1 Bulan 2 Bulan 3
Minggu 1 2 3 4 5 6 7 8 9 10 11 12
Studi literatur,
referensi utama,                        
dataset
Penelitian
                       
pendahuluan
Penulisan
                       
Proposal
Implementasi
skenario                        
pengujian
Penulisan
                       
Laporan
Penulisan
artikel Publikasi                        
 BAB 3 KESIMPULAN
Kesimpulan berisi mengenai ringkasan dari latar belakang, rumusan, tujuan, dan
metode penelitian, yang disajikan ke dalam paragraf. Pada kesimpulan juga dapat dijelaskan
mengenai keterkaitan penggunaan metode terhadap permasalahan yang dihadapi secara
singkat, serta kontribusi yang diharapkan. Kesimpulan tidak membutuhkan kutipan referensi.
 DAFTAR PUSTAKA
Daftar pustaka menggunakan reference manager Mendeley, minimal 25 paper
2 tahun terakhir dan minimal 80% dari sumber utama yaitu dari jurnal
internasional bereputasi, 20% boleh dari conference bereputasi atau jurnal
nasional terakreditasi. Semua referensi harus dikutip di paragraf baik di bab
1 pendahuluan atau di bab 2 metode penelitian. Referensi dan kutipan
diparagraf dalam dokumen ini hanya contoh.

[1] S. P. Archa and C. Sathish Kumar, “Segmentation of brain tumor in MRI images,”
2018 Int. Conf. Emerg. Trends Innov. Eng. Technol. Res. ICETIETR 2018, pp. 1–4,
2018, doi: 10.1109/ICETIETR.2018.8529081.
[2] I. Comelli, G. Lippi, V. Campana, F. Servadei, and G. Cervellin, “Clinical presentation
and epidemiology of brain tumors,” Ann. Transl. Med., vol. 5, no. 13, 2017, doi:
10.21037/atm.2017.06.12.
[3] J. Seetha and S. S. Raja, “Brain tumor classification using Convolutional Neural
Networks,” Biomed. Pharmacol. J., vol. 11, no. 3, pp. 1457–1461, 2018, doi:
10.13005/bpj/1511.
[4] Q. T. Ostrom et al., “CBTRUS Statistical Report: Primary Brain and Other Central
Nervous System Tumors Diagnosed in the United States in 2012-2016,” Neuro-
Oncology. 2019, doi: 10.1093/neuonc/noz150.
[5] M. Tampourlou et al., “Outcome of nonfunctioning pituitary adenomas that regrow
after primary treatment: A study from two large UK centers,” J. Clin. Endocrinol.
Metab., 2017, doi: 10.1210/jc.2016-4061.
[6] S. Pereira, A. Pinto, V. Alves, and C. A. Silva, “Brain Tumor Segmentation Using
Convolutional Neural Networks in MRI Images,” IEEE Trans. Med. Imaging, vol. 35,
no. 5, pp. 1240–1251, 2016, doi: 10.1109/TMI.2016.2538465.
[7] H. B. Huttner et al., “Meningioma growth dynamics assessed by radiocarbon
retrospective birth dating,” EBioMedicine, vol. 27, pp. 176–181, 2018, doi:
10.1016/j.ebiom.2017.12.020.
[8] M. Araujo-Castro et al., “Postoperative management submitted to pituitary surgery.
Endocrine, 2020, doi: 10.1007/s12020-020-02247-y.
[9] D. Hirahara, “Preliminary assessment for the development of CADe system for brain
tumor in MRI images utilizing transfer learning in Xception model,” 2019 IEEE 8th
Glob. Conf. Consum. Electron. GCCE 2019, pp. 922–924, 2019, doi:
10.1109/GCCE46687.2019.9015529.
[10] G. Litjens et al., “A survey on deep learning in medical image analysis,” Med. Image
Anal., vol. 42, no. December 2012, pp. 60–88, 2017, doi: 10.1016/j.media.2017.07.005.
[11] I. J. Abecassis et al., “Evaluating angioarchitectural characteristics of glial and
metastatic brain tumors with conventional magnetic resonance imaging,” J. Clin.
Neurosci., 2020, doi: 10.1016/j.jocn.2020.04.051.
[12] Y. E. L. Koo et al., “Brain cancer diagnosis and therapy with nanoplatforms,”
Advanced Drug Delivery Reviews. 2006, doi: 10.1016/j.addr.2006.09.012.
[13] D. Schiffer, Brain tumor pathology: Current diagnostic hotspots and pitfalls. 2006.
[14] S. R. Joshi, D. B. Headley, K. C. Ho, D. Paré, and S. S. Nair, “Classification of
brainwaves using convolutional neural network,” Eur. Signal Process. Conf., vol. 2019-
Septe, pp. 128–132, 2019, doi: 10.23919/EUSIPCO.2019.8902952.
[15] M. Wang, J. Yang, Y. Chen, and H. Wang, “The multimodal brain tumor image
segmentation based on convolutional neural networks,” 2017 2nd IEEE Int. Conf.
Comput. Intell. Appl. ICCIA 2017, vol. 2017-Janua, pp. 336–339, 2017, doi:
 10.1109/CIAPP.2017.8167234.
Cek list kelengkapan proposal:
No Item Cek
1 Judul sudah menggambarkan metode dan data yang akan dikerjakan  
  Pendahuluan  
2 Paragraf penjelasan mengapa penelitian ini penting untuk dilakukan  
3 Paragraf penjelasan tentang studi literatur  
4 Paragraf penjelasan tentang gap analisis / perbedaan dengan penelitian sebelumnya  
5 Paragraf penjelasan tentang kontribusi penelitian  
6 Rumusan masalah menjelaskan masalah yang akan timbul akibat hipotesa  
7 Tujuan penelitian  
8 Batasan masalah  
  Metodologi penelitian  
9 Rancangan penelitian secara umum  
10 Penelitian terdahulu (state of the art)  
11 Penjelasan Dataset  
12 Penjelasan model yang diusulkan  
13 Penjelasan parameter pengujian  
14 Penjelasan skenario pengujian  
15 Tabel skenario  
16 Tabel state of the art  
17 Lini masa penelitian  
18 Kesimpulan  
19 Daftar pustaka  
Style proposal sesuai template (cover, lembar persetujuan, font, font size, margin, tabel dan
20 gambar wajib dirujuk di paragraf, jml referensi, style referensi, dll)  

Dokumen ini disiapkan oleh Agus Eko Minarno untuk Program Studi Informatika
Surah 94 ayat 5-6

ۙ‫َفاِ َّن َم َع ال ُْع ْس ِر يُ ْس ًرا‬

Maka sesungguhnya beserta kesulitan ada kemudahan,

ۗ‫اِ َّن َم َع ال ُْع ْس ِر يُ ْس ًرا‬

Sesungguhnya beserta kesulitan itu ada kemudahan.