Kanker hati merupakan salah satu penyakit yang memiliki tingkat kejadian dan kematian
yang tinggi di dunia. Citra Computed Tomography Scan (CT-Scan) dapat digunakan
untuk membantu mengidentifikasi tumor hati, tetapi proses segmentasi masih
menghadapi kendala berupa kemiripan intensitas piksel, variasi bentuk dan ukuran tumor,
serta batas tumor yang tidak selalu terlihat jelas. Penelitian ini bertujuan untuk
menganalisis dan membandingkan kinerja metode Attention U-Net dan Active Contour
dalam melakukan segmentasi tumor hati pada citra CT-Scan. Dataset yang digunakan
berasal dari Liver Tumor Segmentation (LiTS) Challenge yang diperoleh melalui Kaggle
dan dilengkapi dengan ground truth sebagai acuan evaluasi. Attention U-Net digunakan
untuk melakukan segmentasi secara otomatis melalui arsitektur encoder-decoder dengan
mekanisme attention gate, sedangkan Active Contour digunakan sebagai metode
segmentasi pembanding melalui tahapan preprocessing, inisialisasi polygon, dan evolusi
kontur menggunakan algoritma Chan-Vese. Evaluasi dilakukan dengan membandingkan
hasil segmentasi terhadap ground truth menggunakan parameter Accuracy, Sensitivity,
Specificity, Dice Score, dan Intersection over Union (IoU). Berdasarkan pengujian
terhadap 20 citra CT-Scan, Attention U-Net memperoleh rata-rata Accuracy sebesar
98,68%, Dice Score sebesar 98,42%, dan IoU sebesar 89,44%. Sementara itu, Active
Contour memperoleh rata-rata Accuracy sebesar 97,17%, Sensitivity sebesar 75,70%, dan
Specificity sebesar 98,85%. Hasil tersebut menunjukkan bahwa pada data yang diuji,
Attention U-Net memberikan kinerja segmentasi yang lebih baik dalam aspek akurasi,
kesesuaian area segmentasi, dan konsistensi hasil dibandingkan Active Contour.