<![CDATA[Penyakit ginjal merupakan masalah kesehatan serius yang memerlukan deteksi dini untuk meningkatkan peluang penyembuhan. Salah satu tantangan utama dalam mendeteksi kista ginjal adalah mencapai akurasi tinggi dalam klasifikasi gambar CT-Scan dengan algoritma Convolutional Neural Network (CNN), di mana metode konvensional sering kali menunjukkan hasil yang tidak konsisten. Penelitian ini bertujuan untuk mengklasifikasikan kinerja algoritma deep learning, terutama convolutional neural network dalam mendeteksi kista ginjal berdasarkan citra CT-Scan. Solusi yang diusulkan mencakup proses preprocessing yang teliti, meliputi resizing gambar, augmentasi data, segmentasi, dan ekstraksi fitur penting untuk memastikan kualitas input ke model. Dataset yang digunakan terdiri dari gambar CT-Scan dengan empat kelas, yaitu Normal, Cyst Tumor, Stone. Model yang dikembangkan berhasil mencapai akurasi 0,9494, akurasi validasi 0.9507, loss 0,1510 dan loss validasi 0,1270 pada epoch-19, menunjukkan peningkatan signifikan dibandingkan penelitian sebelumnya dengan metode serupa. Penelitian ini menunjukkan bahwa metode CNN dapat diadaptasi untuk aplikasi klinis yang lebih luas dan mendukung dokter dalam diagnosis kista ginjal secara lebih akurat dan tepat. Untuk penelitian selanjutnya, disarankan untuk mengeksplorasi teknik preprocessing yang lebih canggih serta pengujian dengan dataset yang lebih beragam untuk meningkatkan generalisasi dan keandalan model. Dengan hasil ini, algoritma CNN terbukti sebagai solusi potensial yang patut dipertimbangkan dalam deteksi kista ginjal.]]>
Copyrights © 2024
