KLASIFIKASI PENYAKIT GINJAL MENGGUNAKAN ALGORITMA HIBRIDA CNN-ELM

Abstract

Penyakit ginjal adalah masalah serius yang memerlukan deteksi dini. Studi ini menjelajahi model hybrid CNN-ELM untuk mengklasifikasikan gambar CT penyakit ginjal, menyoroti pentingnya pemilihan fungsi aktivasi. Dengan fokus pada gambar CT, pendekatan ini menjanjikan diagnosis yang akurat dengan akurasi tinggi, mendukung praktik klinis sehari-hari. Melalui percobaan jumlah filter dalam CNN dan neuron tersembunyi dalam ELM, performa model dapat ditingkatkan. ReLU mencapai akurasi tertinggi (0.9963), sedangkan Tanh (0.8419). Hasil ini memberikan panduan penting untuk mengoptimalkan konfigurasi model dalam mendiagnosis penyakit ginjal secara efisien. Dengan akurasi yang memuaskan, pendekatan ini berpotensi menjadi alat bantu berharga dalam praktik medis, membantu praktisi dalam membuat keputusan yang lebih baik