Klasifikasi Kelangsungan Hidup Penderita Gagal Jantung menggunakan Extreme Learning Machine (ELM)

Sartama, Bayu Tirta (2021) Klasifikasi Kelangsungan Hidup Penderita Gagal Jantung menggunakan Extreme Learning Machine (ELM). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (609kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (136kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (17kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (183kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (427kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (271kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (69kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Gagal jantung merupakan salah satu jenis penyakit kronis kardiovaskuler yang menjadi penyebab kematian tertinggi setiap tahunnya. Penyakit ini menyebabkan jantung tidak dapat memompa darah. Klasifikasi penyakit gagal jantung menjadi prioritas paramedis dan dokter, karena data pasien dapat digunakan untuk menentukan penanganan yang tepat bagi pasien. Salah satu teknik klasifikasi yang dapat digunakan adalah Extreme Learning Machine (ELM). Teknik ini dapat memberikan hasil yang maksimal dengan waktu komputasi yang cepat. Data yang digunakan sejumlah 299 data pasien. Proses klasifikasi dimulai dengan melakukan normalisasi, kemudian melatih data latih menggunakan ELM yang menghasilkan model yang dapat digunakan untuk proses klasifikasi. Berdasarkan pengujian yang dilakukan, model yang dihasilkan mendapatkan nilai akurasi tertinggi yaitu 83,3% pada rasio data latih dan data uji sebesar 90:10 menggunakan jumlah hidden neuron = 16.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Extreme Learning Machine, gagal jantung, klasifikasi, machine learning, penyakit
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining 300 Social Sciences > 340 Law > 344 Labor, Social Service, Public Health, Safety Measures > 344.04 Public Health
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 19:35
Last Modified:	25 Aug 2023 07:04
URI:	https://kc.umn.ac.id/id/eprint/15774

Actions (login required)

View Item