Path: Top > S1-Final Project > Industrial Engineering-FTI > 2017

PREDIKSI DINI RISIKO PENYAKIT STROKE ISKEMIK PADA PASIEN RSAU DR. M. SALAMUN MENGGUNAKAN TEKNIK DATA MINING

EARLY PREDICTION OF ISCHAEMIC STROKE RISK IN DR. M. SALAMUN HOSPITAL USING DATA MINNG TECHNIQUES

Undergraduate Theses from JBPTITBPP / 2017-09-28 16:14:35
Oleh : Oktavianti - NIM 13413080 , S1 - Industrial Engineering-FTI
Dibuat : 2017-09-28, dengan 1 file

Keyword : Competitive Advantage, Stroke, Deteksi Dini, Rumah Sakit, Prediksi, Klasifikasi, Data mining, Decision Tree, SVM, ANN

Seiring dengan terus meningkatnya jumlah rumah sakit, RSAU dr. M. Salamun dituntut untuk terus melakukan pengembangan untuk menciptakan competitive advantage bagi rumah sakit. Penyakit stroke merupakan penyebab utama kematian pada RSAU dr. M. Salamun. Serangan stroke dapat dicegah apabila pasien berisiko tinggi dapat dideteksi dini sehingga dokter dapat memberikan pengobatan yang tepat. Kemampuan prediksi risiko stroke pada pasien dapat menjadi competitive advantage dan membantu dokter dalam pengambilan keputusan.

Penelitian ini dilakukan dengan menerapkan tiga algoritma data mining, yaitu decision tree C4.5, support vector machine (SVM), dan artificial neural network (ANN), menggunakan data personal dan data rekam medis dari 148 pasien stroke iskemik dan 124 pasien non-stroke RSAU dr. M. Salamun. Atribut input awal yang digunakan diperoleh dari hasil studi literatur dan penambahan dari dokter spesialis saraf. Risiko penyakit stroke dikategorikan menjadi dua kelas, yaitu risiko tinggi dan rendah. Berdasarkan hasil perbandingan, diperoleh C4.5 sebagai algoritma terbaik dalam memprediksi risiko penyakit stroke pada pasien dengan akurasi 90.52%. Penyesuaian decision tree dilakukan untuk mendapatkan decision tree yang sesuai dengan tujuan penggunaan sistem prediksi berdasarkan pendapat dokter saraf. Decision tree terpilih memiliki akurasi sebesar 84,42%. Atribut input direduksi menjadi 8 atribut berpengaruh, yaitu kolestrol total, kolestrol HDL, kolestrol LDL, trigliserida, monosit, trombosit, jenis kelamin dan kardiomegali.

Penelitian ini mengusulkan implementasi aplikasi sederhana yang menerapkan aturan klasifikasi decision tree untuk memprediksi risiko stroke pada pasien di rumah sakit dan merujuk pasien berdasarkan kebutuhannya. Program ini dapat digunakan langsung oleh pihak rumah sakit, khususnya dokter di klinik spesialis jantung, penyakit dalam dan saraf, dan administrator di klinik terkait dan bagian medical check up untuk membantu rumah sakit dalam merencanakan manajemen klinis sekaligus meningkatkan competitive advantage.

Deskripsi Alternatif :

Along with the increasing number of hospitals, dr. M. Salamun Hospital is required to continuously develop itself to create some competitive advantages for the hospital. Stroke is the leading cause of death in dr. M. Salamun Hospital. Stroke attacks can be prevented if the high-risk patients can be detected early so that doctors can provide appropriate treatment. The ability to predict stroke risk in patients can be a competitive advantage and help doctors in making decisions.

The study was conducted by applying three data mining algorithms, namely decision tree C4.5, support vector machine (SVM), and artificial neural network (ANN), using personal data and medical record data from 148 ischemic stroke patients and 124 nonstroke patients at dr. M. Salamun Hospital. The initial input attributes used were obtained from the results of literature studies and the addition from neurologist opinion. The risk of stroke is categorized into two classes, namely high and low risk. Based on the result, C4.5 is chosen as the best algorithm in predicting the risk of stroke disease in patients with 90.52% accuracy. The decision tree is then adjusted to obtain a decision tree that suits its implementation purpose based on doctor's suggestions. The final decision tree has an accuracy of 84.42%. The input attribute is reduced to 8 attributes, namely total cholesterol, HDL cholesterol, LDL cholesterol, triglycerides, monocytes, platelets, gender and cardiomegaly.

This study proposes the implementation of a simple application that uses the decision tree classification rules to predict stroke risk in hospital patients and refer patients based on their needs. This program can be used directly by the hospitals, especially doctors at cardiology, internal medicine and neurology clinics, and administrators at related clinics and medical check-up sections to assist hospitals in planning clinical management while enhancing its competitive advantage.

Copyrights : Copyright (c) 2001 by Perpustakaan Digital ITB. Verbatim copying and distribution of this entire article is permitted by author in any medium, provided this notice is preserved.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiS
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Dr. Rajesri Govindaraju, S.T., M.T. , Editor: Irwan Sofiyan

File PDF...