Pengembangan Sistem Deteksi Risiko Penyakit Jantung Berdasarkan Data Perilaku Pasien Menggunakan Metode Convolutional Neural Network

Nuriman, Muhammad Arif (2024) Pengembangan Sistem Deteksi Risiko Penyakit Jantung Berdasarkan Data Perilaku Pasien Menggunakan Metode Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201011_Undergraduate Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB)

Abstract

Penyakit jantung merupakan salah satu penyakit dengan angka kematian yang paling tinggi di dunia termasuk di Indonesia. Berdasarkan data BPJS tahun 2021, penyakit jantung merupakan penyakit dengan pembiayaan terbesar di Indonesia. Pasien dengan penyakit jantung setelah selesai mendapatkan perawatan tidak terlepas dari risiko rawat inap kembali. Salah satu faktor yang memengaruhi risiko rawat inap kembali adalah perilaku ketidakpatuhan pasien terhadap arahan pengobatan yang diberikan, sehingga diperlukan adanya pengawasan perilaku pasien secara optimal dan berkelanjutan. Untuk membantu pengawasan yang optimal terhadap pasien dapat digunakan machine learning yang memiliki kemampuan untuk mendeteksi penyakit hingga presisi tertentu berdasarkan data-data perilaku pasien. Salah satu algoritma yang cukup sukses dalam hal performanya adalah convolutional neural network (CNN). Sistem prediksi dibuat dengan membuat model CNN menggunakan data yang telah dilakukan pra-proses, rekayasa fitur, oversample dengan SMOTE-NC, dan scale dengan Standard Scaler. Eksperimen hyperparameter tuning yang dilakukan menggunakan metode kustom yang memungkinkan untuk mengeksperimen jumlah dan jenis layer yang digunakan. Model terbaik CNN menghasilkan skor akurasi 85,94%, skor F1 89,84%, dan skor ROC AUC 79,26% yang menggunakan threshold optimal untuk melakukan klasifikasi, model ini memiliki performa yang lebih baik daripada model penelitian sebelumnya yang menggunakan data yang sama, dimana dapat meningkatkan skor akurasi sebesar 4,16% dan skor ROC AUC sebesar 2,48%. Hasil validasi dengan dokter spesialis jantung memberikan hasil yang cukup memuaskan yang ditunjukkan dengan nilai rata-rata tingkat penerimaan pengguna 3,25 dari 5. Akan tetapi terdapat hal yang perlu diperbaiki yaitu pada tampilan hasil prediksi yang masih memiliki kekurangan pada kejelasan informasi. Demikian juga pada hasil validasi kepada target pengguna yang mendapatkan nilai yang cukup memuaskan dimana nilai rata-rata penerimaan pengguna 3,83 dari 5.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	convolutional neural network, machine learning, penyakit jantung, rawat inap kembali, heart failure, readmission
Subjects:	T Technology > T Technology (General) > T174.5 Technology--Risk assessment. T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Arif Nuriman
Date Deposited:	01 Aug 2024 06:10
Last Modified:	01 Aug 2024 06:10
URI:	http://repository.its.ac.id/id/eprint/111175

Actions (login required)

View Item