SITI MAWADDAH Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2023

Skripsi

Stroke iskemik adalah keadaan ketika otak mengalami kekurangan pasokan darah karena adanya penyumbatan akibat gumpalan darah yang terbentuk di dalam pembuluh darah arteri. Seseorang yang pernah menderita stroke dapat mengalami stroke berulang untuk yang kedua atau ketiga kalinya. Kemungkinan sembuh pada serangan kedua dan selanjutnya lebih kecil karena banyaknya kerusakan yang ditimbulkan oleh stroke. Salah satu cara mengurangi terjadinya stroke berulang adalah dengan memberikan penanganan yang tepat dan mengidentifikasi penyebabnya sesuai jenis stroke yang menimpa. Stroke iskemik berdasarkan penyebabnya dapat dibagi menjadi kardioemboli (gumpalan berasal dari pecahan plak/emboli dari jantung) dan aterotrombotik (gumpalan berasal dari kerak/plak dinding arteri). Penelitian ini bertujuan membangun model deep learning yang dapat mempelajari gambar gumpalan dan melakukan klasifikasi asal gumpalan darah. Dataset yang digunakan pada penelitian ini berupa gambar dari Mayo Clinic Strip AI Dataset. Dataset terdiri dari 2 class yaitu cardioembolic dan large artery atherosclerosis yang masing-masing berjumlah 547 dan 207 data. Setiap data melalui tahap preprocessing yang terdiri dari proses tiling dan resize sebelum menjadi input pada model. Tahap preprocessing pada penelitian ini terdiri dari 2 metode yaitu tiling-resize dan resize-tiling. Model pada penelitian ini menggunakan arsitektur EfficientNet dan SqueezeNet. Setiap model dilatih dan diuji menggunakan dataset hasil dari 2 metode preprocessing. Model dengan hasil terbaik ditentukan dengan melihat nilai loss dan akurasi. Model yang memberikan hasil terbaik adalah model EfficientNet yang menggunakan metode pemrosesan data tiling-resize. Loss yang diperoleh dari model terbaik adalah 0,3101 dan akurasi yang diperoleh sebesar 0,8750. Kemudian dilakukan pemrosesan data lanjutan berupa seleksi luas area di dalam kontur. Loss yang diperoleh setelah menerapkan seleksi adalah 0,0694 dan akurasi yang diperoleh sebesar 0,92. Loss yang dihasilkan masih tergolong besar. Penyebab besarnya loss yang diperoleh dikarenakan jumlah dataset yang tidak seimbang pada kedua class. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 113112 2023-08-04 09:31:27 2023-08-04 10:47:37 machine generated