Ramang Mahdiyah (2020) Rancang Bangun Aplikasi Sistem Pakar Deteksi Dini Serangan Stroke Dengan Metode Adaboost Berbasis Android. Skripsi thesis, UNIVERSITAS AIRLANGGA.
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text
1. HALAMAN JUDUL .pdf Download (476kB) |
|
Text
2. ABSTRAK.pdf Download (131kB) |
|
Text
3. DAFTAR ISI.pdf Download (152kB) |
|
Text
4. BAB I PENDAHULUAN.pdf Download (141kB) |
|
Text
5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 12 January 2024. Download (606kB) | Request a copy |
|
Text
6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 12 January 2024. Download (438kB) | Request a copy |
|
Text
7. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 12 January 2024. Download (982kB) | Request a copy |
|
Text
8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 12 January 2024. Download (127kB) | Request a copy |
|
Text
9. DAFTAR PUSTAKA.pdf Download (249kB) |
|
Text
10. LAMPIRAN.pdf Restricted to Registered users only until 12 January 2024. Download (2MB) | Request a copy |
|
Text
EMBARGO_081611733058_Ramang Mahdiyah - ramang mahdiyah.pdf Restricted to Repository staff only until 12 January 2024. Download (233kB) | Request a copy |
Abstract
Penyakit stroke merupakan penyakit yang sulit dideteksi sehingga membutuhkan ketelitian yang cukup tinggi dalam menganalisis dan menelusuri faktor-faktor resiko yang dimiliki oleh pasien. Berdasarkan data International Health Metrics Monitoring and Evaluation (IHME) tahun 2017 di Indonesia, penyebab kematian pada peringkat pertama disebabkan oleh Stroke. Penelitian ini bertujuan untuk membantu dalam melakukan deteksi dini terhadap resiko penyakit stroke, yaitu dengan menggunakan metode Adaboost untuk mendapatkan akurasi maksimal dalam klasifikasi dan Decision Tree C4.5 sebagai pengambilan kesimpulan dalam klasifikasi kemungkinan resiko stroke. Parameter yang digunakan sebanyak 17 parameter berdasarkan American Heart Association / American Stroke Association (AHA/ASA), kemudian disesuaikan dengan kondisi masyarakat Indonesia. Total data yang telah diperoleh yaitu sebanyak 82 data yang terdiri dari 61 data pasien stroke dan 21 data pasien non-stroke. Pada penelitian ini didapatkan akurasi yang maksimal pada iterasi kedua dengan nilai spesifitas, sensitifitas, dan akurasi adalah sebesar 100%, 100%, 100%.
| Item Type: | Thesis (Skripsi) | ||||||
|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK ST T 34/20 Mah r | ||||||
| Uncontrolled Keywords: | AdaBoost, Decision Tree C4.5, Stroke, AHA/ASA, early detection | ||||||
| Subjects: | R Medicine > R Medicine (General) > R856-857 Biomedical engineering. Electronics. Instrumentation | ||||||
| Divisions: | 08. Fakultas Sains dan Teknologi > Tekno Biomedik | ||||||
| Creators: |
|
||||||
| Contributors: |
|
||||||
| Depositing User: | Unnamed user with email indah.fatma@staf.unair.ac.id | ||||||
| Date Deposited: | 12 Jan 2021 07:33 | ||||||
| Last Modified: | 12 Jan 2021 07:33 | ||||||
| URI: | http://repository.unair.ac.id/id/eprint/102954 | ||||||
| Sosial Share: | |||||||
Actions (login required)
 |
View Item |