RECOMMENDATION SYSTEM USING NEURAL NETWORK ALGORITHM FOR EARLY SYMPTOM TREATMENT OF ISCHEMIC STROKE

Abstrak

Stroke iskemik merupakan kondisi kritis yang memerlukan intervensi cepat untuk mencegah kerusakan neurologis permanen dan menurunkan angka mortalitas global. Penelitian ini mengembangkan sistem rekomendasi penanganan gejala awal menggunakan algoritma Artificial Neural Network (ANN) untuk mempercepat pengambilan keputusan klinis. Menggunakan dataset 500 pasien, model menganalisis gejala primer seperti kelemahan wajah, kelumpuhan lengan, dan gangguan bicara melalui arsitektur Multi-Layer Perceptron. Data diproses menggunakan normalisasi Min-Max Scaling serta optimasi Adam untuk memastikan akurasi tinggi dan konvergensi model yang cepat pada fase Pelatihan. Hasil penelitian menunjukkan performa luar biasa dengan tingkat akurasi 94,5% dan sensitivitas (recall) mencapai 95,8% dalam mendeteksi kasus stroke secara tepat. Sistem memberikan nilai prediksi rata-rata 0,89 pada kondisi kritis, yang memicu rekomendasi otomatis tindakan trombolisis segera dalam periode emas (golden period).