Damayanti, Nurita (2017) Klasifikasi Penyakit Paru Dengan Metode Artificial Neural Network (ANN) (Studi Kasus: RSUD Kertosono). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5213100083_Undergraduate_Theses.pdf - Published Version Download (2MB) | Preview |
Abstract
Paru-paru merupakan salah satu organ pernapasan yang paling penting dalam tubuh manusia. Apabila paru-paru mengalami gangguan atau tidak berfungsi dengan baik, maka kebutuhan oksigen dalam tubuh juga tidak dapat terpenuhi dengan baik. Akibatnya, tubuh akan dipenuhi dengan gas karbondioksida (CO2) yang bersifat racun bagi tubuh dan mengganggu setiap fungsi organ tubuh lainnya. Beberapa penyakit paru, seperti tuberculosis, PPOK, pneumonia, kanker paru dan bronkitis, telah menjadi penyebab kematian tertinggi di dunia, khususnya di Indonesia. Adapun permasalahan yang terdapat pada studi kasus RSUD Kertosono adalah belum adanya sistem diagnosa penyakit paru-paru untuk tenaga medis atau pasien secara real time di ruang poli paru sehingga pasien atau tenaga medis harus menunggu hasil uji laboratorium. Hasil uji laboratorium di RSUD Kertosono dapat diketahui sehari setelah uji laboratorium dilakukan karena banyaknya variabel yang dibutuhkan (rontgen organ paru-paru, darah, dahak). Selain uji laboratorium, tenaga medis juga dapat mendiagnosa jenis penyakit paru pasien dari beberapa variabel keluhan yang dirasakan secara langsung.
Metode ANN dapat dengan cepat mengklasifikasikan pola dengan lebih dari 2 (dua) kelas target (multikelas). Oleh karena itu, penelitian ini bertujuan untuk membantu menyelesaikan permasalahan pada poli paru RSUD Kertosono dalam mendiagnosa penyakit paru-paru yang diderita pasien dengan menerapkan metode ANN. Hasil penelitian ini diharapkan dapat membantu tenaga medis dan pasien untuk lebih akurat dan lebih cepat dalam mendiagnosa karena variabel yang digunakan tidak sebanyak yang dibutuhkan dalam uji laboratorium sehingga pasien dapat lebih cepat diobati dan ditangani.
Model ANN terbaik untuk mendiagnosa penyakit paru pada studi kasus penelitian ini adalah model feed-forward backpropagation neural network dengan 6 node pada input layer (jenis kelamin, umur, berat badan, diastole, batuk, sesak), 10 node pada 1 hidden layer, dan 4 node pada output layer (ppok, tuberculosis, bronkitis, pneumonia). Model ANN terbaik pada penelitian ini menghasilkan nilai akurasi sebesar 86.78%.
========================================================================================================================
The lungs are one of the most important respiratory organs in the human body. If the lungs are impaired or not functioning properly, then the need for oxygen in the body also can not be met properly. As a result, the body will be filled with carbon dioxide gas (CO2) which is toxic to the body and interfere with every other organ function. Some lung diseases, such as tuberculosis, COPD, pneumonia, lung cancer and bronchitis, have been the leading cause of death in the world, especially in Indonesia. The problems that exist in Kertosono RSUD case study is the absence of a lung disease diagnosis system for medical personnel or patients in real time in the pulmonary poly room so that patients or medical personnel have to wait for laboratory test results. The result of laboratory test in RSUD Kertosono can be known one day after laboratory test is done because of the many variables needed (rontgen organ lungs, blood, sputum). In addition to laboratory tests, medical personnel can also diagnose the type of lung disease of patients from several directly perceived complaint variables.
The ANN method can quickly classify patterns with more than 2 (two) target classes (multikelas). Therefore, this study aims to help solve problems in the pulmonary tuberculosis RSUD Kertosono in diagnosing lung disease suffered by patients by applying the ANN method. The results of this study are expected to help medical personnel and patients to be more accurate and faster in diagnosing because the variables used are not as much as needed in laboratory tests so that patients can be more quickly treated and handled.
The best ANN model for diagnosing lung disease in this case study study was a feed-forward backpropagation neural network model with 6 nodes on the input layer (gender, age, weight, diastole, cough, spasms), 10 nodes in 1 hidden layer, and 4 nodes on the output layer ( Ppok, tuberculosis, bronchitis, pneumonia). The best ANN model in this study resulted in an accuracy of 86.78%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi, Diagnosa, Penyakit, Paru, Artificial Neural Network, Jaringan Syaraf Tiruan |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > T Technology (General) |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | NURITA NURITA DAMAYANTI |
| Date Deposited: | 11 Aug 2017 04:23 |
| Last Modified: | 05 Mar 2019 03:11 |
| URI: | http://repository.its.ac.id/id/eprint/42312 |
Actions (login required)
 |
View Item |