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.
