Firdaus, Akmal (2020) Klasifikasi Prognosis Pasien Icu Menggunakan Support Vector Machine (SVM) Berdasarkan Ekstraksi Multiscale Entropy (MSE). Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211640000085-Undergraduate_Theses.pdf Download (2MB) | Preview |
Abstract
Intensive care unit (ICU) adalah salah satu bagian dari rumah sakit yang menyediakan layanan medis intensif 24 jam. ICU dibutuhkan oleh pasien yang memiliki kondisi penyakit yang berbahaya dan dapat mengakibatkan kematian jika tidak ditangani dengan intensif dan segera. Dokter dan staf medis yang lain perlu mendapatkan informasi kondisi kedepan dari pasien ICU untuk mengetahui pengobatan apa yang terbaik untuk pasien tersebut. Namun, perlu proses yang panjang untuk mendapatkan hasil prognosis dari pasien ICU. Penelitian ini mengusulkan satu metode pendeteksian prognosis dengan menggunakan signal elektrokardiogram yang biasanya tersedia pada bedside monitor pada ICU. Prognosis yang dihasilkan diharapkan dapat tersedia secara realtime dan membantu dokter dan staf medis untuk mengetahui kondisi pasien kedepan. Dengan cara melakukan analisis dengan mengambil sinyal dari elektrokardiogram yang menempel di tubuh pasien ICU, sinyal tersebut dikonversi menjadi Heart Rate Variability (HRV) dengan mencari intervalnya. Kemudian sinyal HRV tersebut diekstraksi fitur-nya menggunakan Multiscale Entropy (MSE) untuk melihat struktur non-linear. Setelah itu hasil dari ekstraksi tersebut akan menjadi input dari klasifikasi dengan menggunakan metode Support Vector Machine (SVM) Dengan menggunakan Gaussian SVM. Dimana kernel scale sebesar 1000 dan box constraint level sebesar 100. yang menghasilkan hasil prognosis dari data testing dengan diuji menggunakan Confusion Matrix yang menghasilkan Accuracy sebesar 68%, Sensitivity sebesar 64% dan Specivicity sebesar 75%.
=================================================================================================================================
Intensive Care Unit (ICU) is one part of a hospital that provides 24 Hour intensive medical services. ICU needed by patient who have dangerous disease condition and can result in death if not treated intensively and immediately. Doctors and other medical staff neeed to get information on future condition from ICU patients to find out what treatment is best for these patients. However, it takes a long process to get prognosis results from ICU patients. This study proposes a method for detecting prognosis by using an electrocardiogram signal that is usually available on bedside monitors in the ICU. The resulting prognosis is expected to be available in realtime and helps doctors and medical staff to determine the patient’s condition going forward. By analysing the signal from an electrocardiogram attached to the ICU patient’s body, the signal is converted to Heart Rate Variability (HRV) by finding the interval. Then the HRV signal is extracted features using Multiscale Entropy (MSE) to see the non liniear structure. After that the result of the extraction will be input into the classification using the Support Vector Machine method. The output of the classification is the prognosis classification of ICU patients. After that the results of the xtraction will be made into input from the collection sing the Support Vector Machine (SVM) method. By using Gaussian SVM. By using a kernel of 1000 and a box constraint level of 100. Which results In prognosis results in prognosis results from the testin data usin the Confsuion Matrix which produces an accuracy of 68%, a a sensitivity of 64% and specificity of 75%.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSI 006.3 Mar k-1 2020 |
| Uncontrolled Keywords: | ICU, Klasifikasi, Heart Rate Variability, Multiscale Entropy, Support Vector Machine |
| Subjects: | Q Science |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Firdaus Akmal Mardiansyah |
| Date Deposited: | 12 Mar 2025 01:09 |
| Last Modified: | 12 Mar 2025 01:09 |
| URI: | http://repository.its.ac.id/id/eprint/72851 |
Actions (login required)
 |
View Item |