Kamil, DitoFaiz (2017) Sistem Pakar Deteksi Dini Penyakit Stroke Menggunakan Metode FUZZY C-MEANS. Sarjana thesis, Universitas Brawijaya.
Abstract
Stroke adalah suatu kondisi ketika pasokan darah di suatu bagian otak berhenti mengalir secara tiba-tiba. Dalam jaringan otak, kurangnya aliran darah yang cukup dapat mengakibatkan serangkaian reaksi biokimia, yang dapat merusak bahkan mematikan sel-sel saraf di dalam otak. Kematian jaringan otak tersebut dapat mengakibatkan hilangnya fungsi yang dikendalikan oleh jaringan itu dan menyebabkan pasien terkena stroke. Penelitian ini akan membahas bagaimana mendapatkan hasil diagnosa penyakit stroke berdasarkan rekam medik dari pasien menggunakan metode Fuzzy C-Means clustering yang hasilnya sama dengan diagnosa pakar. Dengan mengimplementasikan kemampuan pakar ke dalam sistem, maka akan lebih mudah dan lebih akurat dalam proses clustering penyakit stroke. Clustering merupakan proses pengelompokkan objek atau data tidak berlabel kedalam suatu kelas atau Cluster dengan objek yang memiliki kesamaan. Fuzzy C-Means adalah suatu teknik pengklasteran yang mana keberadaan tiap-tiap titik data dalam suatu klaster ditentukan oleh derajat keanggotaan. Keunggulan dari metode ini adalah mampu melakukan pengelompokkan untuk data yang tersebar secara tidak teratur. Sebelum dilakukan perangkingan perlu dilakukan pengklasteran karena usulan akan di klaster menjadi layak, kurang layak, dan tidak layak sehingga jika usulan tidak layak maka tidak perlu dirangking lagi. Setelah semua proses clustering selesai, baru kemudian dilakukan proses pengujian akurasi. Berdasarkan keempat skenario pengujian akurasi terhadap variasi data menghasilkan nilai akurasi masing-masing skenario sebesar 92,5%, 92%, 93% dan 95%. Rata-rata empat skenario pengujian akurasi adalah 93,125%. Tingkat akurasi tertinggi didapat ketika variasi data latih berjumlah 100% dari keseluruhan jumlah data latih yang ada. Hal ini membuktikan bahwa komposisi data kasus berpengaruh dalam hasil akurasi sistem. Semakin banyak data training akan menghasilkan akurasi yang semakin baik. Selain itu, dalam menentukkan data training harus memperhatikan komposisi jumlah data kasus masing-masing class untuk menghasilkan sistem pakar yang baik.
English Abstract
Stroke is a condition when the blood supply stops to flow in a sudden to any part of the brain. The lack of sufficient blood stream can cost a series of biochemical reactions, which can damage and even stop the nerve cells in the brain tissue. The disfunctional of the brain tissue leads to the non-active function of that tissue and causing stroke attacks the patient. This research will discuss about how to get the stroke diagnosis result based on the patient medical records using Fuzzy C-Means clustering method as same as the expert’s. With the experts, it will be easier and more accurate to do stroke clustering process. Clustering is grouping process of similar objects or unlabeled data into a class or cluster. Fuzzy C-Means defined as a clustering technique which the existence of each data point inside the cluster is determined by the degree of membership. The superriority of this method is it can make a group of irregular scattered data. In this case, clustering shall be done before making data rank in form of the feasible data, the less feasible data and the not feasible data, so the not feasible data is unnecessarily to be ranked. After the clustering process has finished, then the accuracy testing process is being done. According to the four of accuracy testing scenarios that toward to the variant data, the results is 92,5%, 92%, 93% and 95%. The average of those is 93,125%. The highest accuracy rank got when the variation training data is 100% of the whole data. It proves that the composition data case affects the result of the accuracy system. The more training data we got will get a better result. Data composition of each class determines the accuracy of the expert system.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/59/051701155 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 17 Feb 2017 14:47 |
| Last Modified: | 22 Oct 2021 06:30 |
| URI: | http://repository.ub.ac.id/id/eprint/147490 |
Preview |
Text
Paper_Dito_Faiz_Kamil_125150200111083.pdf Download (1MB) | Preview |
Preview |
Text
Skripsi_Dito_Faiz_Kamil_125150200111083.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |