APLIKASI PENDETEKSI OBJEK PADA CITRA MEDIS DENGAN DEEP LEARNING MENGGUNAKAN METODE VISION TRANSFORMER (VIT)

Abstract

Stroke iskemik merupakan salah satu penyakit yang memerlukan diagnosis cepat dan akurat karena berpotensi menyebabkan kerusakan otak permanen. Dalam proses diagnosis, citra medis seperti CT-Scan menjadi alat penting untuk membantu dokter menganalisis kondisi otak pasien. Namun, proses analisis citra secara manual sering kali memakan waktu lama dan berisiko terjadi kesalahan manusia (human error). Penelitian ini bertujuan untuk mengembangkan aplikasi pendeteksi objek pada citra medis menggunakan metode Deep Learning Vision Transformer (ViT) sebagai solusi untuk mempercepat dan meningkatkan akurasi proses identifikasi area otak yang terdampak stroke iskemik. Metode yang digunakan dalam penelitian ini meliputi tahapan data preprocessing, patch embedding, positional encoding, transformer encoder, dan classification head untuk menghasilkan output klasifikasi citra medis ke dalam dua kategori, yaitu stroke dan normal. Dataset yang digunakan berasal dari hasil CT-Scan pasien di Rumah Sakit Hendra, Binjai. Implementasi sistem dilakukan dengan bahasa pemrograman Python menggunakan framework FastAPI, serta diuji dengan model Vision Transformer. Hasil pengujian menunjukkan bahwa model ViT mampu mengklasifikasikan citra medis dengan tingkat akurasi dan kepercayaan (confidence) yang tinggi, mencapai 82,93% pada pengujian akhir. Aplikasi ini terbukti dapat membantu tenaga medis dalam mendeteksi stroke iskemik secara cepat, tepat, dan efisien. Dengan demikian, penelitian ini memberikan kontribusi terhadap pengembangan sistem pendukung keputusan (Decision Support System) berbasis Deep Learning dalam bidang kesehatan.