Pengembangan Sistem Cerdas untuk Mendeteksi Penyakit Stroke menggunakan Algoritma Support Vector Machine

Putra, Raynanova Setya (2024) Pengembangan Sistem Cerdas untuk Mendeteksi Penyakit Stroke menggunakan Algoritma Support Vector Machine. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text Pendahuluan.pdf Download (764kB)
	Text Abstract.pdf Download (29kB)
	Text Abstrak.pdf Download (82kB)
	Text Daftar Isi.pdf Download (34kB)
	Text Daftar Gambar.pdf Download (32kB)
	Text Daftar Tabel.pdf Download (27kB)
	Text Daftar Lampiran.pdf Download (26kB)
	Text BAB I.pdf Download (39kB)
	Text BAB II.pdf Download (234kB)
	Text BAB III.pdf Download (68kB)
	Text BAB IV.pdf Download (353kB)
	Text BAB V.pdf Download (891kB)
	Text BAB VI.pdf Download (28kB)
	Text Daftar Pustaka.pdf Download (154kB)
	Text Lampiran.pdf Download (2MB)
	Text Berita Acara Unggah Mandiri.pdf Download (658kB)

Abstract

Stroke merupakan penyakit berbahaya yang menyerang saraf otak akibat terganggunya aliran darah menuju otak. Ada dua jenis utama stroke, yaitu iskemik dan hemoragik. Iskemik adalah jenis stroke yang disebabkan adanya penyumbatan pembuluh darah di otak. Hemoragik adalah jenis stroke yang disebabkan oleh pecahnya pembuluh darah di otak karena adanya tekanan darah yang tinggi. World Stroke Organization (WSO) menyatakan jumlah kasus baru stroke sebesar 13,7 juta per tahun. Tingginya angka kematian yang disebabkan oleh penyakit stroke menjadi masalah serius dan harus diminimalisir. Berdasarkan hal tersebut, peneliti tertarik untuk mengembangkan dan mengangkat topik mengenai diagnosa penyakit stroke, dengan membangun sistem yang dapat memprediksi kemungkinan seseorang memiliki penyakit stroke menggunakan machine learning. Fitur yang digunakan sebagai variabel prediksi adalah jenis kelamin, umur, hipertensi, penyakit jantung, status pernikahan, daerah tinggal, Nilai glukosa, Indeks Masa tubuh, status merokok. Model yang dibangun mampu melakukan prediksi penyakit stroke berbasis machine learning. Selain itu, Sistem mampu melakukan prediksi ke dalam website menggunakan algoritma SVM. Akurasi yang diperoleh dalam pengujian adalah 87.17%

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	Machine Learning, Stroke, SVM.
Subjects:	A General Works > AS Academies and learned societies (General) L Education > L Education (General) Q Science > QH Natural history > QH301 Biology T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > ZA Information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Fakultas Teknologi dan Desain > Informatika
Depositing User:	Mr Raynanova Setya Putra
Date Deposited:	26 Jan 2024 07:39
Last Modified:	26 Jan 2024 07:39
URI:	http://eprints.upj.ac.id/id/eprint/7599

Actions (login required)

View Item