ABSTRAK Nama : Kezia Irene Program Studi : Ilmu Komputer Judul : Segmentasi Dan Aproksimasi Volume Darah Pada Penderita Trauma Kepala Berdasarkan Gambar Computed Tomography Scan Menggunakan Metode Deep Learning Pembimbing : Dr. Eng. Wisnu Jatmiko, S.T., M.Kom. dan Muhammad Anwar Ma’sum, S.Kom., M.Kom. Trauma kepala merupakan cedera fisik pada jaringan otak yang secara sementara atau permanen merusak fungsi otak. Salah satu akibat yang dapat disebabkan oleh trauma kepala adalah perdarahan intrakranial. Perdarahan intrakranial perlu didiagnosis dengan mengambil gambar computed tomography (CT) scan oleh dokter radiolog. Setelah itu dokter radiolog akan mensegmentasi dan menghitung volume perdarahan pada gambar CT scan untuk menentukan Tindakan selanjutnya. Namun, pada beberapa rumah sakit di Indonesia, kurangnya sumber daya dokter yang dapat menafsirkan hasil CT scan dapat menyebabkan morbiditas dan mortalitas pasien perdarahan intrakranial. Algoritma deep learning, di antaranya convolutional neural networks (CNN) dapat digunakan untuk membantu dokter untuk mensegmentasi dan menghitung volume perdarahan intrakranial. Pada penelitian ini, penulis mengusulkan segmentasi otomatis dan aproksimasi volume perdarahan pada penderita perdarahan intrakranial dengan menggunakan metode deep learning dan regresi. Segmentasi perdarahan dilakukan dengan menggunakan arsitektur Dynamic Graph Convolutional Neural Network (DGCNN) sementara perhitungan volume perdarahan dilakukan dengan menggunakan beberapa metode regresi. Data pasien perdarahan intrakranial diperoleh dari rumah sakit Cipto Mangunkusumo yang telah disegmentasi secara manual oleh dokter radiolog. Pada segmentasi perdarahan, dibuat beberapa skenario dengan melakukan up sampling dan down sampling pada data. Hasil terbaik didapatkan pada skenario tanpa melakukan up sampling menghasilkan sensitivitas 97,8% dan spesifisitas 95,6%. Pada aproksimasi volume perdarahan, hasil terbaik didapatkan dengan menggunakan metode support vector machine (SVM) dengan kernel radial basis function (RBF) dengan mean squared error (MSE) 3,67 x 104 . Kata kunci Trauma Kepala, CT scan, deep learning, DGCNN, regresi