<![CDATA[Proses diagnosa kardiomegali pada dada membutuhkan kecepatan dan akurasi tinggi, namun metode manual seperti wawancara pasien dan analisis subjektif rontgen sering menyebabkan hasil kurang akurat dan perbedaan persepsi antar dokter. Untuk mengatasi hal tersebut, penelitian ini mengembangkan klasifikasi kardiomegali menggunakan teknologi Deep Learning berbasis Convolutional Neural Network (CNN). Penelitian melibatkan dua tahap utama dalam pembuatan model, yaitu Feature Extraction dan Classification, menggunakan 5600 data (4000 untuk pelatihan, 1000 untuk pengujian, dan 600 untuk validasi). Setelah delapan percobaan, akurasi tertinggi diperoleh pada percobaan menggunakan batch size 50, epoch 10 dengan hasil sebesar 95,59%. Evaluasi menggunakan Confusion Matrix, diperoleh accuracy 93%, precision untuk kardiomegali 97%, serta recall sebesar 89%. Hasil ini menunjukkan bahwa metode CNN efektif untuk membantu diagnosa kardiomegali menjadi lebih cepat dan akurat.]]>
Copyrights © 2025
