Skripsi

Penerapan Logistic Regression Berbasis Ekstraksi Fitur Resnet-50 Untuk Deteksi Stroke Pada Citra CT Scan Otak

---

ABSTRAK
AWALUDDIN BATUBARA, Penerapan Logistic Regression Berbasis Ekstraksi Fitur ResNet-50 untuk Deteksi Stroke pada Citra CT Scan Otak (dibimbing oleh Andi Yulia Muniar dan Andi Maulidinnawati A.K. Parewe)
Stroke merupakan salah satu penyebab utama kematian di dunia, yang menuntut proses diagnosis yang cepat dan akurat. Citra CT scan otak sering digunakan dalam proses diagnosis awal, namun interpretasi manual masih rentan terhadap subjektivitas.Oleh karena itu, peneliti memberikan solusi permasalahan dengan mengangkat judul penerapan Logistic Regression Berbasis Ekstraksi Fitur ResNet-50 untuk Deteksi Stroke pada Citra CT Scan Otak Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis menggunakan Logistic Regression berbasis ekstraksi fitur dari model pretrained ResNet-50. Data diperoleh melalui studi pustaka. Metode yang digunakan dalam penelitian ini adalah kombinasi ResNet-50 + Logistic Regression dengan pembagian data 90:10, 80:20, dan 70:30. Hasil penelitian menunjukkan bahwa model hybrid ResNet-50 + Logistic Regression memiliki performa terbaik dengan f1-score dan akurasi mencapai 91%, serta AUC sebesar 0.97, menjadikannya model yang stabil dan layak untuk sistem pendukung diagnosis stroke berbasis citra medis.
Kata kunci: Stroke, CT Scan, Logistic Regression, ResNet-50, Klasifikasi Citra

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR AWA p

Penerbit

Makassar : UNITAMA., 2025

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF AWA p

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Andi Yulia Muniar dan Pembimbing II: Andi Maulidinnawati A. K. Parewe Psenguji: Suryadi Syamsu, A. Sumardin dan Endang Sriningsih

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar