SISTEM PENDUKUNG KEPUTUSAN UNTUK DETEKSI DINI RISIKO PENYAKIT STROKE MENGGUNAKAN LEARNING VECTOR QUANTIZATION

Atmaja, Sugarwanto (2016) SISTEM PENDUKUNG KEPUTUSAN UNTUK DETEKSI DINI RISIKO PENYAKIT STROKE MENGGUNAKAN LEARNING VECTOR QUANTIZATION. undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text 2 Abstrak.pdf Download (192kB)
	Text 6 BAB I.pdf Download (122kB)
	Text 7 BAB II.pdf Download (468kB)
	Text 8 BAB III.pdf Download (1MB)
	Text 9 BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text 10 BAB V.pdf Download (87kB)
	Text 11 DAFTAR PUSTAKA.pdf Download (195kB)

Abstract

Stroke adalah setiap gangguan neurologik mendadak yang terjadi akibat pembatasan atau terhentinya aliran darah melalui sistem suplai arteri otak. Stroke merupakan penyebab kematian terbanyak di Indonesia. Pelayanan pra stroke adalah kegiatan deteksi dini, penemuan dan monitoring faktor risiko stroke pada individu sehat dan berisiko di masyarakat yang dapat dilakukan oleh dokter umum, perawat dan kader kesehatan. Berdasarkan hasil penelitian dikatakan bahwa bila pengendalian stroke dilakukan dengan pendekatan faktor risiko akan mengurangi angka kecacatan sebesar 60 – 90%. Pekerjaan dokter untuk proses diagnosa tidak mudah karena banyaknya faktor risiko yang beragam dan saling memengaruhi, contohnya kolesterol (total dan Low Density Lipoprotein) dapat menyebabkan penyakit jantung juga dapat berpengaruh terhadapat tekanan darah, jenis kelamin dapat memengaruhi nilai asam urat, asam urat juga dapat memengaruhi tekanan darah dan kadar gula dapat memengaruhi tekanan darah. Metode klasifikasi merupakan salah satu solusi yang dirasa mampu menangani proses pengklasifikasi status deteksi dini risiko penyakit stroke. Teknik klasifikasi menggunakan metode Learning Vector Quantization (LVQ) memiliki kelebihan menghasilkan nilai error lebih kecil dibandingkan jaringan syaraf tiruan lainnya. Berdasarkan dari hasil penelitian dan pembahasan yang dilakukan, Algoritma LVQ dapat mengenali pola dan mampu memprediksi status dini risiko penyakit stroke menggunakan variabel tekanan darah, kadar gula, kolesterol total, Low Density Lipoprotein, usia, jenis kelamin, asam urat, Blood Urea Nitrogen dan kreatinin dengan nilai akurasi total mencapai 82%.

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Shandy Rahma Ramadhan, S.IIP
Date Deposited:	15 Jul 2019 10:21
Last Modified:	15 Jul 2019 10:21
URI:	http://eprints.umg.ac.id/id/eprint/1983

Actions (login required)

View Item