Klasifikasi cedera panggul menggunakan Metode Extreme Learning Machine (ELM) Modified

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Aisah, Siti Nur (2023) Klasifikasi cedera panggul menggunakan Metode Extreme Learning Machine (ELM) Modified. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text
Siti Nur Aisah_H02219018 Ok.pdf
Download (1MB)

Abstract

Cedera panggul adalah sebuah peradangan bursa yang ada di trochater mayor (ujung tulang panggul). Cedera panggul biasanya disebabkan oleh trokanter atau Bursitis. Bursitis adalah suatu kondisi di mana bursa (kantung berisi cairan) menjadi meradang, menghasilkan kelebihan cairan sinovial dan meningkatkan tekanan pada bursa. Untuk mengetahui penyakit tersebut perlu dilakukan tes berupa citra seperti MRI, X-ray yang digunakan untuk mendapatkan kondisi visual dari tulang belakang. Dari hasil citra tersebut kemudian diukur menggunakan scoliometer atau inclinometer untuk mengetahui variabel-variabelnya. Penelitian ini bertujuan untuk mengklasifikasi penyakit cedera panggul menggunakan Extreme Learning Machine (ELM) modifikasi kernel atau Kernel Extreme Learning Machine (KELM). Penelitian ini menggunakan data numerik dari dari kondisi visual tulang belakang diantaranya Pelvic Tilt, Pelvic Incidence, Sacral Slope, Lordosis Angle, Pelvic Radius, dan Degree of Spondylolithesis dengan banyak data hernia 60, Spondilolythesis 150, dan normal 100. Tahapan yang dilakukan yaitu input data, kemudian pre processing menggunakan normalisasi Z-score. Setelah itu klasifikasi dengan pembagian data menggunakan K-fold cross validation dimana nilai K-fold 5 dan 10. Metode yang digunakan yaitu KELM dengan uji coba yaitu nilai koefisien regulasi (C) dan fungsi kernel. Kemudian dievaluasi menggunakan confussion matrix. Hasil uji coba terbaik yaitu dengan K-fold = 10, nilai koefisien regulasi (C) = 10, dan Fungsi kernel Linear. Nilai akurasi, sensitivitas dan spesifitas yaitu 90.25%, 88.66%, dan 92.22%.