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

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.