Nidaan Khofia Ahmadah, Rasif (2021) Optimasi Extreme Learning Machine Dengan Particle Swarm Optimization Untuk Klasifikasi Penyakit Jantung Koroner. Sarjana thesis, Universitas Brawijaya.
Abstract
Penyakit jantung koroner menjadi penyebab kematian terbanyak secara global. Beberapa faktor dan gaya hidup seperti kebiasaan merokok, tekanan darah, riwayat diabetes, pola makan, serta tingkat stress dapat menjadi pemicu seseorang terkena penyakit jantung. Minimnya jumlah tenaga kesehatan di Indonesia serta kemampuan yang berbeda tiap dokter dalam mendiagnosis pasien penyakit jantung, sehingga diperlukan sistem untuk melakukan diagnosis penyakit tersebut secara otomatis yang berfungsi membantu para dokter dan mengatasi keterlambatan penanganan pasien. Sistem ini merupakan sistem klasifikasi menggunakan metode Particle Swarm Optimization dan Extreme Learning Machine untuk diagnosis penyakit jantung koroner, yang mana metode Particle Swarm Optimization digunakan dalam melakukan optimasi parameter- parameter pada Extreme Learning Machine. Pada pengujian yang dilakukan, sistem berhasil memberikan nilai akurasi sebesar 86%. Hal ini juga menunjukkan bahwa penggunaan PSO-ELM dapat meningkatkan nilai akurasi daripada hanya menggunakan metode ELM dalam melakukan diagnosis penyakit jantung koroner
English Abstract
Heart disease is the leading cause of death globally. Several factors that can trigger heart disease include smoking, blood pressure, diabetes, lifestyle, diet, and stress levels. The minimal number of health workers in Indonesia and the different abilities of each doctor in diagnosing patients with heart disease, so that a system is needed to automatically diagnose the disease which functions to assist doctors and overcome delays in inpatient treatment. This system is a classification system using the Particle Swarm Optimization method and the Extreme Learning Machine for the diagnosis of heart disease, where the Particle Swarm Optimization method is used to optimize the parameters of the Extreme Learning Machine. In the tests carried out, the system succeeded in providing an accuracy value of 86%. This also shows that the use of PSO-ELM can increase the accuracy value than using the ELM method only in diagnosing heart disease.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0521150017 |
| Uncontrolled Keywords: | Jantung koroner, Klasifikasi, Particle Swarm Optimization, Extreme Learning Machine |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Unnamed user with username nova |
| Date Deposited: | 28 Sep 2022 07:57 |
| Last Modified: | 28 Sep 2022 07:57 |
| URI: | http://repository.ub.ac.id/id/eprint/195096 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
0521150017-RASIF NIDAAN KHOFIA AHMADAH.pdf Restricted to Registered users only until 31 December 2023. Download (3MB) |
Actions (login required)
 |
View Item |