Rahmawati, Lianna Dwi (2019) Klasifikasi Kejadian Kejang Penderita Epilepsi Berdasarkan Faktor Risiko Kejang Epilepsi Menggunakan Regresi Logistik Biner dan Naive Bayes. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211540000055-Undergraduate_Theses.pdf Download (1MB) | Preview |
Abstract
Epilepsi merupakan gangguan susunan saraf pusat yang dicirikan oleh terjadinya serangan kejang secara spontan dan berkala. Kejang dapat diartikan sebagai modifikasi fungsi otak yang bersifat mendadak dan sepintas yang berasal dari sekelompok sel-sel otak. Banyak hal yang dapat memicu kambuhnya kejang pada penderita epilepsi, seperti kurang tidur, stres, konsumsi alkohol, dan stimulasi seperti cahaya televisi atau lampu disko. Mayoritas dari penderita epilepsi hanya mengetahui satu atau dua hal yang menjadi pemicu terjadinya kejang. Akibatnya kejadian kejang yang dialami tidak terkontrol. Oleh karena itu, diperlukan penelitian untuk mengetahui faktor-faktor yang mempengaruhi kejadian kejang dan prediksi kejadian kejang pada penderita epilepsi agar penderita epilepsi dapat mengantisipasi kemungkinan kejang yang akan terjadi. Penelitian ini menggunakan data dari penderita epilepsi yang tergabung dalam Komunitas ODE. Metode analisis yang digunakan adalah regresi logistik biner dan naïve bayes. Pada analisis regresi logistik biner menghasilkan empat faktor yang signifikan berpengaruh terhadap kejadian kejang pada penderita epilepsi yaitu usia penderita, usia saat terdiagnosis epilepsi, riwayat demam disertai kejang, dan faktor pemicu kejang. Hasil prediksi kejadian kejang menggunakan metode regresi logistik biner memiliki ketepatan prediksi sebesar 75%, sedangkan metode naïve bayes memiliki ketepatan prediksi yang lebih kecil yaitu sebesar 66,67%.
================================================================================================================================
Epilepsy is a central nervous system disorder characterized by periodic and spontaneous seizures. Seizures can be interpreted as a sudden and fleeting modification of brain function that comes from a group of brain cells. Many things can trigger seizures, such as lack of sleep, stress, alcohol consumption, and stimulation such as television light or disco lights. Most epilepsy patient only know one or two things that trigger the event of seizures. As a result the event of seizures is not controlled. Therefore, research is needed to determine the factors that influence the event of seizures and predict the event of seizures of epilepsy patients, so that epilepsy patients can anticipate the possibility of seizures that will occur. This research uses data from epilepsy patients who are members of the ODE Community. The analytical method used is binary logistic regression and naïve bayes classification. The result of binary logistic regression analysis are four factors that have a significant effect on the event of seizures of epilepsy patients including the age of the epilepsy patient, age diagnosed with epilepsy, history of fever with seizures, and seizure trigger factors. The prediction results of seizure events using the binary logistic regression have predictive accuracy of 75%, while the naïve bayes method has a smaller predictive accuracy of 66,67%.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSt 519.536 Rah k-1 2019 |
| Uncontrolled Keywords: | Epilepsi, Faktor Risiko, Kejadian Kejang, Naive Bayes, Regresi Logistik Biner |
| Subjects: | H Social Sciences > HA Statistics H Social Sciences > HA Statistics > HA31.3 Regression. Correlation H Social Sciences > HA Statistics > HA31.7 Estimation Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | LIANNA DWI RAHMAWATI |
| Date Deposited: | 03 Jul 2023 07:13 |
| Last Modified: | 03 Jul 2023 07:13 |
| URI: | http://repository.its.ac.id/id/eprint/64007 |
Actions (login required)
 |
View Item |