<![CDATA[Stroke otak merupakan salah satu penyebab utama kematian dan kecacatan di dunia, dengan dampak besar pada sistem kesehatan dan ekonomi global. Penelitian ini bertujuan untuk mengembangkan model prediksi dini stroke otak berbasis deep learning dengan mengintegrasikan algoritma Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Feedforward Neural Network (FNN). Dataset yang digunakan terdiri atas citra medis seperti CT scan dan MRI, data temporal, serta informasi klinis lainnya, yang diproses menggunakan teknik preprocessing dan augmentasi data. CNN berfungsi untuk mengekstraksi fitur dari citra medis, LSTM untuk menganalisis data sekuensial, dan FNN untuk mengolah data terstruktur. Hasil penelitian menunjukkan bahwa CNN mencapai akurasi tertinggi sebesar 97%, diikuti oleh LSTM dengan 94%, dan FNN sebesar 70%. Integrasi ketiga algoritma ini menghasilkan model prediksi yang lebih akurat dan komprehensif dibandingkan pendekatan individual. Pendekatan ini berpotensi meningkatkan akurasi diagnosis stroke, mempercepat pengambilan keputusan medis, serta mendukung pengelolaan perawatan pasien yang lebih efisien, sehingga dapat mengurangi beban pada sistem kesehatan global.]]>
Copyrights © 2025
