Klasifikasi status kesehatan janin pada kardiotokografi menggunakan metode extreme learning machine

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Kiromi, Muhammad Sahrul (2023) Klasifikasi status kesehatan janin pada kardiotokografi menggunakan metode extreme learning machine. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text Muhammad Sahrul Kiromi_H02219015.pdf Download (6MB)

Abstract

Pada masa kehamilan, seorang ibu harus selalu memperhatikan kesehatannya, Pentingnya memantau kondisi kesehatan janin agar dapat mendeteksi adanya gejala abnormal pada janin. Kardiotokografi (CTG) merupakan alat yang berfungsi untuk memantau aktivitas janin seperti detak jantung janin (FHR) dan kontraksi rahim (UC). Penelitian ini bertujuan untuk mengklasifikasi status kesehatan janin pada data kardiotkografi dengan data sebanyak 2126 pasien ibu hamil menggunakan metode Extreme Learning machine. Data tersebut berisi 21 variabel data seperti baseline Fetal heart rate, Acceleration, Uterine Contraction dll serta dengan label data normal, suspicious dan pathologic. Tahapan yang dilakukan yaitu input data, kemudian pre-processing menggunakan normalisasi M in − M ax. Setelah itu klasifikasi dengan pembagian data menggunakan K-fold cross validation dimana nilai K-fold 5 dan 10. Metode yang digunakan yaitu ELM dengan uji coba yaitu fungsi aktivasi sigmodi biner, bipolar dan sin. Kemudian dievaluasi menggunakan confussion matrix. Hasil uji coba terbaik ditunjukkan pada k=10, fungsi aktivasi sin dan hidden layer sebesar 200. Model ini menghasilkan rata-rata akurasi, sensitivitas, dan spesifisitas yang sangat baik yakni masing-masing 94, 45%, 91.46% serta 81.34% dalam waktu 1.38 detik.

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 Kiromi, Muhammad Sahrul shaulkimo20@gmail.com H02219015
Contributors:	Contribution Name Email NIDN Thesis advisor Fanani, Aris arisfananie@gmail.com 2027018701 Thesis advisor Hamid, Abdulloh doelhamid@uinsby.ac.id 2028088501
Subjects:	Komputer Kecerdasan Matematika
Keywords:	Kesehatan janin; extreme learning machine; k fold cross validation; kardiotokografi
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Muhammad Sahrul Kiromi
Date Deposited:	15 Nov 2023 01:54
Last Modified:	15 Nov 2023 01:54
URI:	http://digilib.uinsa.ac.id/id/eprint/66481

Actions (login required)

View Item