Klasifikasi coronary artery disease menggunakan metode Recurrent Neural Network (RNN) dan reduksi fitur relieff

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Sari, Yana Vita (2024) Klasifikasi coronary artery disease menggunakan metode Recurrent Neural Network (RNN) dan reduksi fitur relieff. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Yana Vita Sari_09010220017 full.pdf Restricted to Repository staff only until 26 April 2027. Download (3MB)
	Text Yana Vita Sari_09010220017.pdf Download (3MB)

Abstract

Coronary Artery Disease (CAD) merupakan kondisi ketika arteri koroner mengalami penyempitan atau penyumbatan yang dapat menjadi pemicu penyakit kardiovaskular dan berujung pada kematian. Oleh karena itu, perlu adanya penanganan yang tepat oleh tenaga medis yang diawali dengan proses diagnosis CAD untuk menilai kesehatan dan kondisi arteri. Diagnosis CAD dapat dilakukan berdasarkan klasifikasi menggunakan metode Recurrent Neural Network (RNN). RNN memiliki kemampuan untuk mempertahankan dan menggunakan informasi sebelumnya dalam pengambilan keputusan. Pada penelitian ini terdapat 30 fitur sehingga dilakukan reduksi fitur menggunakan ReliefF untuk meningkatkan kinerja model RNN. Tujuan dari penelitian ini untuk memperoleh model optimal dan mengetahui pengaruh penggunaan ReliefF pada sistem klasifikasi. Uji coba dilakukan dengan memvariasikan pembagian data, learning rate, dan node hidden. Model optimum diperoleh pada k-fold 10, node hidden 200, dan learning rate 0.01. Sebelum dilakukan reduksi fitur, model mencapai akurasi 86.58%, sensitivitas 89.50%, dan spesifisitas 83.91%. Setelah dilakukan reduksi fitur dengan menggunakan fitur yang relevan sebanyak 26, terjadi peningkatan performa menjadi akurasi 88.42%, sensitivitas 90.82%, dan spesifisitas 86.09%.

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 Sari, Yana Vita yanavitasari05@gmail.com 09010220017
Contributors:	Contribution Name Email NIDN Thesis advisor Fanani, Aris arisfanani@uinsby.ac.id 2027018701 Thesis advisor Novitasari, Dian Candra Rini diancrini@uinsby.ac.id 2024118502
Subjects:	Kecerdasan Matematika
Keywords:	Coronary Artery Disease (CAD); Recurrent Neural Network (RNN), dan reliefF
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Yana Vita Sari
Date Deposited:	26 Jan 2024 07:00
Last Modified:	26 Jan 2024 07:00
URI:	http://digilib.uinsa.ac.id/id/eprint/67870

Actions (login required)

View Item