RANCANG BANGUN SOFTWARE KLASIFIKASI PENYAKIT JANTUNG KORONER DENGAN METODE EXTREME LEARNING MACHINE BERBASIS PEMROGRAMAN PYTHON

DIFA FANANI ISMAYANTO, 081511733018 (2019) RANCANG BANGUN SOFTWARE KLASIFIKASI PENYAKIT JANTUNG KORONER DENGAN METODE EXTREME LEARNING MACHINE BERBASIS PEMROGRAMAN PYTHON. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img] Text
ST.T 27-19 Ism r abstrak.pdf

Download (20kB)
[img] Text
ST.T 27-19 Ism r daftar isi.pdf

Download (202kB)
[img] Text
ST.T 27-19 Ism r daftar pustaka.pdf

Download (144kB)
[img] Text (FULLTEXT)
ST.T 27-19 Ism r.pdf
Restricted to Registered users only until 16 October 2022.

Download (1MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Penyakit jantung koroner (PJK) merupakan salah satu penyakit kardiovaskular yang menyebabkan kematian tertinggi, baik di dunia maupun di Indonesia. Penyakit ini memiliki faktor-faktor resiko dan gejala yang dapat diketahui sebelumnya berdasarkan tingkat keparahan penyakit tersebut untuk dapat mengurangi resiko terjadinya kematian. Oleh karena itu, penelitian ini bertujuan untuk membangun aplikasi klasifikasi PJK berdasarkan fisiologis tingkat keparahannya, yang mana tipe yang paling ringan hingga terparah adalah Angina Pektoris Stabil, Angina Pektoris Tidak Stabil, Non STEMI, dan STEMI. Aplikasi ini juga dapat digunakan untuk pasien non-PJK yang memiliki beberapa karakteristik seperti PJK. Adapun parameter yang digunakan adalah sebanyak 8 parameter input berdasarkan riwayat penyakit, gejala yang dirasakan, dan hasil pemeriksaan laboratorium. Parameter tersebut adalah alkohol, hipertensi, obesitas, skala nyeri, sesak napas, kembung mual muntah, CKMB, dan hasil elektrokardiograf. Sampel penelitian diambil dari data rekam medis rawat inap Rumah Sakit Umum Haji Surabaya sejumlah 112 data training dan 22 data testing. Setiap data dengan parameter input tersebut selanjutnya diproses menggunakan aplikasi klasifikasi PJK yang sudah dirancang menggunakan metode Extreme Learning Machine berbasis pemrograman Python 2.7. Hasil performa sistem ini memiliki nilai akurasi proses training sebesar 100% dan 91% untuk proses testing.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK ST T 27/19 Ism r
Uncontrolled Keywords: Penyakit Jantung Koroner, Extreme Learning Machine, Python.
Subjects: R Medicine > RB Pathology > RB37-56.5 Clinical pathology. Laboratory technique
Divisions: 08. Fakultas Sains dan Teknologi > Tekno Biomedik
Creators:
CreatorsNIM
DIFA FANANI ISMAYANTO, 081511733018UNSPECIFIED
Contributors:
ContributionNameNIDN / NIDK
Thesis advisorDr. Riries Rulaningtyas, S.T., M.T., NIDN: '0015037901UNSPECIFIED
Depositing User: Dwi Marina
Date Deposited: 16 Oct 2019 02:23
Last Modified: 16 Oct 2019 02:23
URI: http://repository.unair.ac.id/id/eprint/89183
Sosial Share:

Actions (login required)

View Item View Item