Aditya, Risha Zahra (2018) Klasifikasi Prognosis Pasien ICU Menggunakan Artificial Neural Network (ANN) Berdasarkan Ekstraksi Fitur Multifractal Detrended Fluctuation Analysis (MFDFA). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211440000114-Undergraduate_Theses.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Intensive Care Unit (ICU) adalah salah satu unit Rumah Sakit yang memiliki peran penting dalam penyembuhan seorang pasien. Memprediksi kondisi pasien setelah keluar dari ICU diperlukan karena akan mempengaruhi perawatan terhadap pasien tersebut. Prioritas pasien yang dapat masuk dan keluar ICU salah satunya juga dipengaruhi oleh prediksi tersebut atau yang biasa disebut dengan prognosis. Prognosis adalah prediksi dari perkembangan penyakit dari pasien, apakah pasien memiliki kemungkinan pulih atau tidak. Prognosis tersebut nantinya juga akan digunakan sebagai pertimbangan atas perawatan dan penanganan yang akan diberikan kepada pasien. Hingga saat ini terdapat beberapa sistem penilaian/skoring prognosis seperti APACHE II, MODS, SOFA, dan SAPS II. Sistem-sistem tersebut akan menghasilkan nilai-nilai yang kemudian akan digambarkan menggunakan formula matematika untuk mendapatkan hasil prognosis pasien. Semakin tinggi nilai yang dihasilkan, maka semakin kecil kemungkinan pasien untuk dapat pulih. Walaupun sistem skoring dapat digunakan dalam mendapatkan hasil prognosis pasien, tetapi terdapat beberapa kekurangan seperti banyaknya variabel dan lamanya waktu yang dibutuhkan. Melihat pentingnya prognosis demi meningkatkan kualitas pelayanan terhadap pasien ICU, maka dibutuhkan sistem prognosis yang lebih efisien.
Penelitian ini menggunakan metode Multifractal Detrended Fluctuation Analysis (MFDFA) untuk mengekstraksi fitur yang ada pada sinyal Heart Rate Variability (HRV) pasien ICU. Hasil ekstraksi fitur tersebut nantinya akan diklasifikasi menggunakan metode Artificial Neural Network (ANN) untuk mengetahui perbedaan antara sinyal HRV yang memiliki prognosis yang baik dan buruk pada pasien ICU.
Hasil dari penelitian ini diharapkan mampu membantu ICU dalam meningkatkan kualitas dan efisiensi pelayanan terhadapt pasien ICU dengan memanfaatkan sinyal HRV sebagai variabel prognosis. ================ Intensive Care Unit (ICU) is one out of units in the hospital that has an important role of patients’ recovery. Predicting patients’ condition after leaving the ICU is needed because it will affect the treatment those patients will received. The priority of patients who enter and leave the ICU is also affected by the prediction or known as prognosis. Prognosis is the prediction of a patient’ diseases development, is a patient has the possibility to recover or not. That prognosis will also be used as a consideration of treatments the patient will received. Up until now, there are some prognosis scoring systems such as APACHE II, MODS, SOFA, and SAPS II. Those systems will produce scores that will then be described using mathematical formula to obtain the patient’s prognosis result. The higher the score, the smaller the possibility to be recovered. Although scoring systems can be used in obtaining patient’s prognosis result, there are some disadvantages of them such as the number of variables and the amount of time required. Seeing the importance of prognosis in order to improve the service quality toward ICU patients, a more efficient prognosis system is needed.
This research is using Multifractal Detrended Fluctuation Analysis (MFDFA) method to extract features on ICU patients’ Heart Rate Variability (HRV) signal. The features extracted will be then classified using Artificial Neural Network (ANN) method to find out the difference between HRV signal for good prognosis and poor prognosis of ICU patients.
The results of this research are expected to help ICU on improving service quality and efficiency toward ICU patients by using HRV signal as prognosis variable.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Artificial Neural Network, Heart Rate Variability, Klasifikasi, Multifractal Detrended Fluctuation Analyisis, Prognosis, scoring prognosis, electrocardiograph (ECG), sinyal biomedik |
| Subjects: | Q Science > QA Mathematics Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Aditya Risha Zahra |
| Date Deposited: | 12 Sep 2018 05:48 |
| Last Modified: | 10 Mar 2021 00:57 |
| URI: | http://repository.its.ac.id/id/eprint/52333 |
Actions (login required)
 |
View Item |