Seleksi Fitur Menggunakan Fuzzy Entropy untuk Klasifikasi Stroke Berdasarkan Kelainan Patologis dengan Learning Vector Quantization
| Main Author: | Arifianto, AjiSeto |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/158424/ |
Daftar Isi:
- Diagnosis stroke harus dilakukan dengan cepat dan tepat agar segera mengetahui tipe klasifikasi patologinya termasuk dalam stroke infark atau hemorrhagic guna pemberian tindakan medis dan obat yang cepat dan tepat pula. Prosedur wajib ( Gold Standart Procedure ) untuk klasifikasi stroke menggunakan Computed Tomograph Scan atau Magnetic Resonance Imaging . D i Indonesia terkendala biaya yang mahal dan tidak semua rumah sakit memilikinya. Jika prosedur standar tidak dapat dilakukan maka diagnosis stroke dapat dilakukan melalui analisis terhadap data klinis pasien. Data klinis terdiri dari 32 fitur berisi tentang hasil pemeriksaan fisik, gejala yang dirasakan pasien, riwayat penyakit dan pemeriksaan laboratorium darah . Tidak semua fitur relevan untuk mengklasifikasikan stroke. Untuk mengatasi permasalahan diatas maka dikembangkan sebuah sistem komputerisasi dengan metode Fuzzy Entropy untuk seleksi fitur dan klasifikasi nya menggunakan metode Learning Vector Quantization . Hasil dari penelitian ini didapatkan tingkat akurasi klasifikasi mencapai 96% hanya dengan 13 fitur . Uji diagnosis ditunjukkan dengan nilai Area Under Curve (AUC) sebesar 0,952 yang ter masuk dalam kategori excellent.