Ghaza Al Hafisz Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2025

Skripsi

ABSTRAK Penyakit jantung merupakan penyebab utama kematian global dan berisiko menimbulkan komplikasi fatal jika tidak didiagnosis dini. Segmentasi citra MRI jantung berbasis deep learning berperan penting dalam mendeteksi struktur-struktur utama, seperti dinding ventrikel, miokardium dan scar yang menjadi indikator kelainan kardiovaskular. Salah satu arsitektur deep learning yang menjanjikan untuk tugas ini adalah Fully Convolutional DenseNet (FC-DenseNet), yang memiliki keunggulan dalam mempertahankan informasi spasial berkat koneksi antar-layer yang padat. Namun, kinerja FC-DenseNet tetap bergantung pada ketersediaan dan keberagaman data pelatihan, yang dalam konteks medis seringkali terbatas. Penelitian ini mengevaluasi penggunaan teknik augmentasi sebagai solusi untuk meningkatkan performa segmentasi menggunakan FC-DenseNet. Dua kategori augmentasi yang digunakan adalah augmentasi berbasis densitas (gaussian noise dan brightness) serta berbasis geometri (rotate dan flip). Hasil pengujian menunjukkan bahwa penerapan augmentasi dapat meningkatkan akurasi segmentasi, dengan peningkatan nilai Dice score sebesar 2 % sampai 4 % dan nilai IoU sebesar 2 % sampai 6 %. Meskipun peningkatan yang diperoleh tidak tergolong signifikan secara kuantitatif, hasil ini menunjukkan bahwa teknik augmentasi telah memberikan kontribusi positif dalam memperkuat generalisasi model. Kata Kunci: MRI Jantung, FC-DenseNet, Augmentasi, Dice Score, IoU. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 163041 2025-07-17 21:24:24 2025-07-18 10:54:13 machine generated