Fauzi, Mohammad Setya Adi (2018) Perbandingan Jaringan Saraf Tiruan LVQ Dengan Backpropagation Dalam Deteksi Dini Penyakit Jantung Koroner. Sarjana thesis, Universitas Brawijaya.
Abstract
Penyakit jantung koroner merupakan salah satu penyebab kematian tertinggi di dunia. Federasi Jantung Dunia memperkirakan angka kematian akibat penyakit ini di kawasan Asia Tenggara mencapai 1,8 juta kasus pada tahun 2014. Di Indonesia pada tahun 2013 tercatat 883.447 orang terdiagnosa penyakit jantung koroner dengan mayoritas penderita berusia 55-64 tahun dan tingkat kematian akibat penyakit ini cukup tinggi, yakni 45% dari seluruh angka kematian di Indonesia sehingga pendeteksian dini penyakit jantung koroner sangat penting agar resiko penyakit ini dapat diperkecil. Salah satu teknik machine learning yang populer saat ini dan cocok dalam kasus ini adalah jaringan saraf tiruan. Jaringan saraf tiruan merupakan sistem yang terinspirasi dari proses penalaran dalam jaringan saraf manusia. Dalam penelitian ini membandingkan performa jaringan saraf tiruan metode LVQ dan Backpropagation untuk deteksi dini penyakit jantung koroner. Variabel-variabel penyakit jantung koroner yang digunakan dalam penelitian ini adalah jenis kelamin, usia, denyut nadi, tekanan darah sistol, kolestrol, gula darah, trigliserida, nyeri dada, sesak nafas, dan batuk. Dari hasil pengujian didapatkan hasil bahwa metode Backpropagation lebih baik daripada metode LVQ dengan perbandingan nilai akurasi pelatihan sebesar 95,99097% untuk Backpropagation berbanding 66,89659% untuk LVQ dan nilai akurasi pengujian sebesar 68,76034% untuk Backpropagation berbanding 54,30313% untuk LVQ.
English Abstract
Coronary heart disease is one of the highest causes of death in the world. The World Heart Federation estimates the number of deaths from this disease in Southeast Asia to reach 1.8 million cases in 2014. In Indonesia in 2013 recorded 883,447 people diagnosed with coronary heart disease with the majority of patients aged 55-64 years and the death rate due to this disease is enough high, ie 45% of all deaths in Indonesia, so early detection of coronary heart disease is very important for the risk of this disease can be minimized. One of the popular machine learning techniques and fits in this case is the artificial neural network. Artificial neural networks are systems that are inspired by reasoning processes in human neural networks. In this study the authors compared artificial neural network LVQ method and Backpropagation method for early detection of coronary heart disease. The variables of coronary heart disease used in this study were gender, age, pulse, systolic blood pressure, cholesterol, blood sugar, triglycerides, chest pain, shortness of breath, and cough. From the results of this evaluation showed that the Backpropagation method is better than the LVQ method with the comparison of the accuracy value of training of 95,99097% for Backpropagation compared to 66,89659% for LVQ and the accuracy value of testing of 68,76034% for Backpropagation compared to 54,30313% for LVQ.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/866/051900217 |
| Uncontrolled Keywords: | klasifikasi, penyakit jantung koroner, jaringan saraf tiruan, learning vector quantization (LVQ), backpropagation-classification, coronary heart disease, artificial neural network, learning vector quantization (LVQ), backpropagation |
| Subjects: | 600 Technology (Applied sciences) > 616 Diseases > 616.1 Diseases of cardiovascular system > 616.12 Diseases of heart > 616.123 Coronary diseases (Ischemic heart diseases) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 04 Nov 2019 02:35 |
| Last Modified: | 19 Oct 2021 07:46 |
| URI: | http://repository.ub.ac.id/id/eprint/167070 |
Preview |
Text
Mohammad Setya Adi Fauzi.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |