Rancang Bangun Modul Skrining Deteksi Risiko Penyakit Kardiovaskular Dengan Rule-Based System Untuk Aplikasi Apadok

Moralluhung, Kinasihurrabb (2022) Rancang Bangun Modul Skrining Deteksi Risiko Penyakit Kardiovaskular Dengan Rule-Based System Untuk Aplikasi Apadok. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000161-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Penyakit Kardiovaskular merupakan penyakit penyebab kematian yang telah merenggut nyawa sebanyak kurang lebih 17,9 juta jiwa tiap tahunnya. Lebih dari 4 dari 5 kematian yang disebabkan oleh Grup Penyakit Kardiovaskular disebabkan oleh serangan jantung, stroke, dan 1 dari 3 dari kematian ini terjadi secara prematur pada orang – orang yang berusia kurang dari 70 tahun. Di Indonesia, Jumlah penduduk yang terkena penyakit kardiovaskular terus meningkat dan menempati peringkat tertinggi penyebab kematian, terutama pada usia – usia produktif. Melalui data yang diambil dari Riskesdas, diperoleh prevalensi penyakit kardiovaskular di Indonesia seperti hipertensi mengalami peningkatan dari tahun 2013 hingga 2018. Oleh karena itu, dibutuhkan aplikasi untuk mendeteksi risiko penyakit kardiovaskular pada masyarakat sedini mungkin sehingga dapat dilakukan tindakan preventif apabila ditemukan risiko yang serius. Pada saat ini, aplikasi skrining penyakit kardiovaskular yang dapat digunakan di Indonesia adalah Halodoc. Namun, fitur pada aplikasi ini memiliki kekurangan, yakni, penyakit yang dapat dideteksi hanya terbatas pada penyakit kardiovaskular. Pada modul ini, diterapkan algoritma Rule-Based System yang dibangun berdasarkan Pooled Cohort Equations. Modul pada aplikasi Apadok telah berhasil diimplementasikan dan diintegrasikan bersamaan dengan modul deteksi penyakit stroke dan penyakit diabetes. Modul yang dibangun dapat memberikan keterangan mengenai deteksi risiko penyakit kardiovaskular yang dimiliki oleh pengguna. Modul ini akan mengirim jawaban skrining ke server pada website untuk diolah menggunakan algoritma yang telah dibuat dengan Rule-Based System. Hasil uji pada algoritma Rule-Based System yang dibangun untuk deteksi risiko penyakit kardiovaskular menghasilkan akurasi yang bernilai 83,33%.
=================================================================================================================================
Cardiovascular disease is a disease that causes death which has claimed the lives of approximately 17.9 million people every year. More than 4 out of 5 deaths from the Cardiovascular Diseases Group were due to heart attacks, strokes, and 1 in 3 of these deaths occurred prematurely in people younger than 70 years of age. In Indonesia, the number of people affected by cardiovascular disease continues to increase and ranks the highest cause of death, especially in the productive age. Through data taken from Riskesdas, the prevalence of cardiovascular diseases in Indonesia such as hypertension has increased from 2013 to 2018. Therefore, an application is needed to detect the risk of cardiovascular disease in the community as early as possible so that preventive actions can be taken if serious risks are found. At this time, the cardiovascular disease screening application that can be used in Indonesia is Halodoc. However, this feature of this application has a drawback, namely, the diseases that can be detected are only limited to cardiovascular diseases. In this module, the Rule-Based System algorithm is applied which is built based on Pooled Cohort Equations. The module in the Apadok application has been successfully implemented and integrated together with the stroke and diabetes detection module. The module that is built can provide information about the detection of cardiovascular disease risk that is owned by the user. This module will send the screening answers to the server on the website to be processed using an algorithm that has been created with the Rule-Based System. The test results on the Rule-Based System algorithm which was built for the detection of cardiovascular disease risk resulted in an accuracy of 83.33%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Skrining, Risiko, Penyakit Kardiovaskular, Rule-Based System, Apadok, Screening, Risk, Cardiovascular Disease, Rule-Based System, Apadok
Subjects:	T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	13 Oct 2025 05:43
Last Modified:	13 Oct 2025 05:43
URI:	http://repository.its.ac.id/id/eprint/128577

Actions (login required)

View Item