Klasifikasi penyakit faringitis pada anak menggunakan metode PCA-Backpropagation

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Aliyyah, Izzatul (2024) Klasifikasi penyakit faringitis pada anak menggunakan metode PCA-Backpropagation. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Izzatul Aliyyah_09040220057 OK.pdf Download (1MB)
	Text Izzatul Aliyyah_09040220057 Full.pdf Restricted to Repository staff only until 27 January 0027. Download (5MB)

Abstract

Faringitis adalah penyakit berupa infeksi tenggorokan karena bakteri atau virus. Penyakit ini menyerang semua usia, tetapi kebanyakan kasus menimpa anak usia sekolah dengan penyebab dari kasus tersebut adalah bakteri Streptococcus Group A, dengan 0.3-3% pasien yang tidak mendapat penanganan dapat menyebabkan komplikasi. Penetapan diagnosis dan pengobatan penyakit faringitis menjadi sebuah tantangan bagi para tenaga medis karena adanya persamaan dari gejala pada pasien dan keterlambatan serta kesalahan diagnosis dapat menyebabkan faringitis akut. Oleh karena itu, penelitian ini bertujuan untuk mendapatkan model optimal pada PCA-Backpropagation dalam melakukan klasifikasi penyakit faringitis pada anak melalui beberapa uji coba nilai parameter dan untuk mengetahui perbandingan hasil klasifikasi antara metode Backpropagation dan PCA-Backpropagation. Penggunaan algoritma Backpropagation dalam penelitian ini dilakukan dengan menerapkan konsep multi layer dan model yang mampu meninimalkan kesalahan pada output yang akan dihasilkan jaringan berupa klasifikasi dalam dua kelas yaitu kelas positif dan negatif. Pada penelitian ini terdapat 18 variabel dari dataset sehingga dilakukan reduksi dimensi untuk meningkatkan kinerja dari proses klasifikasi menggunakan metode Principal Component Analysis. Hasil dari penelitian didapatkan model optimal klasifikasi penyakit faringitis pada anak menggunakan metode PCA-Backpropagation terdapat pada pembagian data menggunakan kfold 10, learning rate 0.2, node hidden layer 200, dan momentum 0.9 dengan akurasi 85.25%, sensitivitas 90.32%, spesifisitas 88.89%, evaluasi G-Means 0.89, dan nilai AUC 0.87. Metode PCA-Backpropagation juga memberikan hasil klasifikasi yang lebih baik daripada penggunaan metode Backpropagation tanpa reduksi dimensi PCA dengan peningkatan nilai akurasi, sensitivitas, dan spesifisitas sebesar 6.56%, 6.11%, dan 5.56%.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Aliyyah, Izzatul izzaliyah@gmai.com 09040220057
Contributors:	Contribution Name Email NIDN Thesis advisor Novitasari, Dian Candra Rini diancrini@uinsby.ac.id 2024118502 Thesis advisor Hakim, Lutfi lutfihakimbungah@gmail.com --
Subjects:	Matematika Statistik
Keywords:	Backpropagation; Faringitis; Jaringan Saraf Tiruan; Principal Component Analysis
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Izzatul Aliyyah
Date Deposited:	26 Jan 2024 02:49
Last Modified:	27 Jan 2024 10:42
URI:	http://digilib.uinsa.ac.id/id/eprint/67849

Actions (login required)

View Item