<![CDATA[Stroke iskemik merupakan salah satu penyakit tidak menular yang berbahaya dan dapat menyebabkan kecacatan hingga kematian apabila tidak ditangani dengan cepat dan tepat. Identifikasi stroke melalui citra CT scan otak menjadi metode penting dalam dunia medis, namun masih memerlukan waktu dan keahlian tinggi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi stroke iskemik secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Data yang digunakan berupa citra CT scan otak pasien dari Rumah Sakit Labuang Baji Makassar, yang diproses melalui tahapan preprocessing seperti grayscale, resizing, augmentasi, dan normalisasi. Model CNN dilatih menggunakan binary crossentropy loss dan Adam optimizer untuk klasifikasi dua kelas, yaitu normal dan stroke iskemik. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 91,6%, precision 88%, recall 95,1%, dan F1-score 0,914, yang menandakan bahwa model ini mampu mengenali stroke iskemik secara efektif. Dengan demikian, sistem ini berpotensi menjadi alat bantu diagnosis awal yang efisien dan akurat dalam bidang kesehatan.]]>
Copyrights © 2025
