SISTEM INFORMASI REKAM MEDIS BERBASIS APLIKASI DESKTOP DAN MACHINE LEARNING UNTUK MEMPREDIKSI PENYAKIT SERANGAN JANTUNG

Dwicky Darmawan, - (2022) SISTEM INFORMASI REKAM MEDIS BERBASIS APLIKASI DESKTOP DAN MACHINE LEARNING UNTUK MEMPREDIKSI PENYAKIT SERANGAN JANTUNG. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_TE_1805565_Title.pdf Download (821kB)
	Text S_TE_1805565_Chapter 1.pdf Download (692kB)
	Text S_TE_1805565_Chapter 2.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_TE_1805565_Chapter 3.pdf Download (679kB)
	Text S_TE_1805565_Chapter 4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_TE_1805565_Chapter 5.pdf Download (395kB)
	Text S_TE_1805565_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB)

Abstract

Jantung merupakan organ utama yang harus bekerja dengan benar dan teratur. Jika terjadi gangguan, maka akan menimbulkan penyakit salah satunya adalah serangan jantung. Penyakit ini merupakan salah satu dari 10 penyakit dengan resiko kematian yang tinggi. Hal itu disebabkan oleh faktor stress, tekanan darah, kerja berlebihan, gula darah dan lainnya. Tujuan penelitian ini adalah untuk memprediksi penyakit serangan jantung menggunakan sistem informasi dan algoritma machine learning sebagai langkah preventif dini. Metode yang digunakan yaitu Iterative Waterfall model yang bertujuan untuk memecahkan tantangan dalam pembuatan sistem informasi dan juga algoritma Machine Learning. Sistem informasi berhasil dibuat yang terintegrasi dengan database dan algoritma Machine Learning. Hybrid model merupakan gabungan dari Random Forest dan Logistic Regression dengan tingkat kesalahan sebesar 15,51%, akurasi sebesar 84,48% dan presisi sebesar 82,41% lebih baik dibandingkan dengan model Random Forest dan Logistic Regression. The heart is the main organ that must work properly and regularly. If there is a disturbance, it will cause disease, one of which is a heart attack, which is one of the 10 diseases with a high risk of death. This is caused by stress factors, blood pressure, excessive work, blood sugar and others. The purpose of this study is to predict heart attack disease using information system and machine learning as an early preventive measure. The method used is an iterative waterfall model which aims to solve the challenges in making information systems and Machine Learning algorithms. The information system has been successfully created that is integrated with databases and Machine Learning algorithms. The hybrid model is a combination of Random Forest and Logistic Regression with an error rate of 15.51%, an accuracy of 84.48% and a precision of 82.41% compared to the Random Forest and Logistic Regression models.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	Penyakit jantung; sistem informasi; Hybrid Model; Random Forest; Logistic Regression.
Subjects:	L Education > L Education (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Pendidikan Teknologi dan Kejuruan > Jurusan Pendidikan Teknik Elektro > Program Studi Teknik Tenaga Elektrik
Depositing User:	Dwicky Darmawan
Date Deposited:	21 Feb 2022 02:56
Last Modified:	21 Feb 2022 02:56
URI:	http://repository.upi.edu/id/eprint/70873

Actions (login required)

View Item