REPI RAMADANI, -
(2024)
KLASIFIKASI PENYAKIT JANTUNG KORONER MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
(Studi Kasus: Rumah Sakit Ibnu Sina Pekanbaru).
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16.
ISSN ISSN (Printed) : 2579-7271, ISSN (Online ) : 2579-5406
Abstract
Abstrak
Penyakit Jantung Koroner (PJK) merupakan salah satu penyebab utama kematian tertinggi yang tidak menular. Dalam upaya mengatasi masalah ini, teknologi informasi dan data mining digunakan untuk analisis data medis, termasuk data Penyakit Jantung Koroner dengan menggunakan metode Backpropagation Neural Network (BPNN). Penelitian ini bertujuan untuk menghasilkan model klasifikasi yang akurat dan efisien untuk mendukung diagnosis Penyakit Jantung Koroner. Jumlah data yang digunakan 500 data dari RS Ibnu Sina Pekanbaru dengan 9 atribut dan yang diberi label dengan dua kategori, 250 pasien “iya” (jantung koroner) penyakit jantung koroner dan 250 “bukan” (tidak jantung koroner). Dengan beberapa pembagian data hasil penelitian ini hasil pengujian yang tertinggi pada pembagian data 90:10 yang menghasilkan seluruh jumlah nilai rata-rata akurasi 98,42%, menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan data dengan rata-rata tingkat akurasi 100 % dengan arsitektur BPNN yaitu nilai learning rate 0,0001; 0,001; 0,01; 0,1 , 1 lapis hidden layer 17 neuron dan 1 output layer dengan 9 input layer yang terdiri atas umur, jenis kelamin, pernafasan, SpO2, suhu, denyut jantung, TD sistolik, kadar gula darah dan kadar kolestrol.
Kata kunci: backpropagation neural network, data mining, klasifikasi, penyakit jantung koroner.
Actions (login required)
 |
View Item |
