Muthmainnah, Nashita Khusnul (2020) Sistem Pendukung Keputusan Berbasis Web Untuk Prediksi Liver Fibrosis Pada Pasien Hepatitis Menggunakan Algoritma Jaringan Saraf Tiruan. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07311640000041_Undergraduate_Thesis.pdf Download (1MB) | Preview |
Abstract
Penyakit Hepatitis merupakan salah satu penyakit yang tergolong dalam penyakit mematikan dimana tingkat mortalitas dari penyakit ini menyumbang angka yang besar. Peradangan yang disebabkan oleh peyakit Hepatitis mampu berlanjut ke tahap dimana organ hati mengalami fibrosis atau liver fibrosis. Pada kondisi ini organ hati sangat rentan untuk mengalami peradangan lebih lanjut yang dapat berujung kanker hati ataupun sirosis. Diagnosis sejak dini dibutuhkan agar pasien penderita Hepatitis mendapatkan perawatan terbaik sehingga liver fibrosis yang dialami tidak berlanjut ke stadium selanjutnya. Namun, penyakit ini sulit untuk dideteksi dikarenakan tidak jelasnya kondisi yang dialami oleh pasien dan dokter pun belum tentu dapat mendiagnosis secara benar. Pendekatan yang dapat dilakukan untuk membantu dokter mendiagnosis kondisi liver fibrosis adalah menggunakan sistem pendukung keputusan berbasis web menggunakan algoritma machine learning. Pada beberapa penelitian terkait, algoritma yang digunakan hanya terfokus pada menguji keakuratan dari masing masing algoritma tersebut dalam mendeteksi liver fibrosis yang dialami oleh penderita. Maka dalam tugas akhir ini diusulkan metode artificial neural network untuk tujuan klasifikasi secara bertahap dari liver fibrosis yang diderita. Metode yang diusulkan tersebut kemudian diimplementasikan pada sistem pendukung keputusan berbasis web. Hasil dari metode PCA menunjukkan data berhasil direduksi dengan tiga macam dimensi data yaitu 694 x 20, 694 x 23, dan 694 x 27 berdasarkan PC yang didapatkan (PC-20, PC-23, dan PC-27). Dari hasil klasifikasi dengan menggunakan algoritma jaringan saraf tiruan menunjukkan bahwa dengan menggunakan dataset yang memiliki variansi yang tinggi menghasilkan tingkat akurasi yang lebih baik. Akurasi yang dihasilkan pada topologi I menunjukkan rata-rata akurasi 26,08% sedangkan dengan topologi II menghasilkan akurasi sebesar 96%. Dari pengujian User Centered Design, didapatkan bahwa seccara keseluruhan web application ini memiliki point usability sebesar 0,74 dengan level usability “GOOD”.
===========================================================
As a high rate of mortality disease, Hepatitis has become one of the diseases that contributes to a large number of mortality rate. The inflammation caused by hepatitis could lead to another serious problem as the liver fibrosis increases. In this condition, the liver is very susceptible to further repair of inflammation which can end up to cirrhosis or liver cancer. Early diagnosis is needed so that patients with hepatitis get the best treatment as the liver fibrosis will not continue to an advanced stage. However, this disease is difficult to detect because of the unclear condition experienced by patients and even doctors cannot diagnose correctly. Another approach that could help doctors diagnose microscopic liver disease is using a web-supported system with a learning machine algorithm. In several related studies, the algorithm used only to focused on detecting the accuracy of each algorithm intended in the detection of liver fibrosis experienced by patients. In this final project, a method of an artificial neural network is proposed to complete the classification of liver fibrosis based on the patient biopsy data. The method is implemented on a web-based decision support system. The result form the system that has been implemented shows that with Principal Component Analysis successfully reduced the data dimension in order to have a better data based on the research need. Three datasets are formed from PC-20, PC-23 dan PC-27 in order to find a best dataset to perform the classification. The Artificial Neural Network shows that the higher variance shows the best performance. In this final project, there are two topologies applied in order to find which model fits better and to find the best accuracy. Turns out the model II is the best topology to classify the liver fibrosis stadium. The accuracy from the first model shows that the average accuracy is 26.08%, while the second topology shows accuracy 96%. This application has been through the User Centered Design test in order to know does the web application is fit enough in the user’s point of view. Turns out, this web application has 0.74 usability point with usability level of “GOOD”.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Hepatitis, Liver Fibrosis,Decision Support System, Artificial Neural Network,Hepatitis, Liver Fibrosis,Sistem Pendukung Keputusan, Artificial Neural Network |
| Subjects: | T Technology > T Technology (General) > T58.62 Decision support systems |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis |
| Depositing User: | Muthmainnah Nashita Khusnul |
| Date Deposited: | 25 Aug 2020 06:00 |
| Last Modified: | 20 Nov 2023 07:23 |
| URI: | http://repository.its.ac.id/id/eprint/80120 |
Actions (login required)
 |
View Item |