Fadilla, Ivan (2018) Klasifikasi Penyakit Chronic Kidney Disease (CKD) Dengan Menggunakan Metode Extreme Learning Machine (ELM). Sarjana thesis, Universitas Brawijaya.
Abstract
Ginjal merupakan organ penting yang berfugsi untuk menjaga komposisi darah dengan mencegah menumpuknya limbah dan mengendalikan keseimbangan cairan di dalam tubuh. Chronic Kidney Disease (CKD) merupakan salah satu penyakit pada ginjal yang disebabkan oleh infeksi pada ginjal dan juga penyumbatan yang disebabkan oleh batu ginjal. Dalam kasus ini tenaga medis maupun pakar masih belum maksimal di dalam mengklasifikasikan penyakit CKD, penulis menerapkan metode Extreme Learning Machine (ELM) pada persoalan klasifikasi penyakit CKD. ELM adalah salah satu metode klasifikasi jaringan saraf tiruan yang memiliki learning speed yang cepat dan berdasarkan penelitian sebelumnya memiliki nilai akurasi yang baik dibandingkan dengan metode yang ada dalam jaringan saraf tiruan. Pada penelitian ini didapatkan perbandingan data latih dan data uji yang optimal dengan rasio 70:30 dan jumlah hidden neuron sebanyak 50 hidden neuron menghasilkan nilai akurasi sebesar 96,7%. Dapat disimpulkan bahwa metode Extreme Learning Machine (ELM) cukup baik diimplementasikan untuk proses klasifikasi penyakit Chronic Kidney Disease (CKD).
English Abstract
Kidneys are important organs that are focussed on maintaining blood composition by preventing accumulation of waste and controlling fluid balance in the body. Chronic Kidney Disease (CKD) is one of the diseases of the kidneys caused by infection in the kidney and also the blockage caused by kidney stones. In this case medical personnel and experts are still not maximized in classifying CKD disease, the authors apply the method of Extreme Learning Machine (ELM) on the problem of classification of CKD disease. ELM is one method of artificial neural network classification that has a fast learning speed and based on previous research has a good accuracy value compared with existing methods in artificial neural networks. In this research got comparison of data of train and optimal test data with ratio 70:30 and amount of hidden neuron counted 50 hidden neuron accuracy value equal to 96,7%. It can be concluded that the method of Extreme Learning Machine (ELM) is quite well implemented for the classification process of Chronic Kidney Disease (CKD) disease.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/216/051801309 |
| Uncontrolled Keywords: | Ginjal, Chronic Kidney Disease, Extreme Learning Machine, Jaringan Saraf Tiruan |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 23 May 2018 06:43 |
| Last Modified: | 27 Oct 2021 04:04 |
| URI: | http://repository.ub.ac.id/id/eprint/10929 |
Preview |
Text
BAB VII.pdf Download (378kB) | Preview |
Preview |
Text
BAGIAN DEPAN.pdf Download (1MB) | Preview |
Preview |
Text
BAB II.pdf Download (672kB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (385kB) | Preview |
Preview |
Text
BAB I.pdf Download (395kB) | Preview |
Preview |
Text
BAB III.pdf Download (440kB) | Preview |
Preview |
Text
BAB IV.pdf Download (2MB) | Preview |
Preview |
Text
BAB V.pdf Download (731kB) | Preview |
Preview |
Text
BAB VI.pdf Download (642kB) | Preview |
Actions (login required)
 |
View Item |