Text

Klasifikasi Gagal Jantung Menggunakan Deep Neural Network dengan Optimasi Bagging

---

Gagal jantung merupakan suatu kondisi disaat jantung tidak lagi mampu
mencukupi kebutuhan metabolisme jaringan sehingga diperlukan peningkatan tekanan
yang abnormal pada jantung. Penyakit pada jantung adalah salah satu penyakit yang
termasuk ke dalam penyakit tidak menular yang menempati 71% dari 57 juta kematian
di dunia. Dari banyaknya data penderita gagal jantung tersebut maka diperlukan deteksi
sedini mungkin untuk memperbaiki kualitas hidup, dan segera mendapatkan tindakan
preventif untuk pencegahan perburukan penyakit gagal jantung, salah satunya dengan
mengklasifikasikan. Pada penelitian ini digunakan metode klasifikasi deep neural
network dengan optimasi bagging dengan data sebanyak 299 pasien gagal jantung yang
memiliki disfungsi sistolik ventrikel kiri dan termasuk ke dalam kelas III dan IV
menurut klasifikasi New York Heart Association (NYHA) dari tahapan gagal jantung.
Data tersebut merupakan data sekunder yang diperoleh dari UCI Machine Learning
Repository. Model deep neural network terbaik pada penelitian ini dalam
mengklasifikasikan harapan hidup pasien gagal jantung adalah model dengan nilai
error 0,005366 yang merupakan model dari data resampling pohon ke 18 dengan
proporsi data training 90% dan data testing 10% serta dengan hyperparameter hidden
layer sebanyak 4 dengan masing masing 8 nodes, learning rate 0,09, rep 4, fungsi
aktivasi sigmoid dan crossentropy loss function.
Keyword: Gagal Jantung, Deep Neural Network, Bagging

---

Ketersediaan

1154 E 2024

1154 E 2024

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1154 E 2024

Penerbit

: ., 2023

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar