Implementasi Metode Extreme Learning Machine Pada Klasifikasi Jenis Penyakit Hepatitis Berdasarkan Faktor Gejala
| Main Author: | Multazam, Salsabila |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194396/1/Salsabila%20Multazam.pdf http://repository.ub.ac.id/id/eprint/194396/ |
Daftar Isi:
- Infeksi Virus merupakan permasalahan dalam dunia medis yang sangat serius. Terhitung saat ini banyak virus yang berada di Indonesia antara lain Human Immunodeficiency Virus (HIV), Novel Coronavirus (COVID-19), Dengue Virus (DENV), dan Hepatitis Virus A&B (HVA&HVB). Tercatat pada tahun 2014 penderita penyakit Hepaitits semakin meningkat tiap tahunnya pada penduduk yang berusia 15 tahun ke atas yaitu hepatitis A (19,3%), dan hepatitis B (21,8%). Pencermatan pada penyakit merupakan hal yang sangat penting mengingat para penderita hepatitis seringkali tidak mengetahui bahwasanya mereka sudah terinfeksi hepatitis. Pada penelitian ini, peneliti melakukan klasifikasi terhadap jenis penyakit hepatitis berdasarkan faktor gejala dengan metode Extreme Learning Machine (ELM). Data yang digunakan merupakan data primer dengan mengkaji data menggunakan dokumen pasien yang terjangkit hepatitis. Terdapat 100 data dengan 20 fitur dan 2 kelas yaitu hepatitis A dan hepatitis B. Penelitian ini dilakukan dalam beberapa tahap yaitu normalisasi data, kemudian melakukan proses pelatihan terhadap data latih setelah itu pengujian dilakukan dengan masukan berupa data uji dan juga hasil proses dari pelatihan. Berdasarkan hasil pengujian, didapatkan rasio terbaik antara data latih dan data uji sebesar 80:20. Penelitian ini menggunakan beberapa parameter untuk mendapatkan hasil yang optimal antara lain menggunakan 7 Hidden Neuron dan fungsi aktivasi yang dipakai Sigmoid Biner. Dengan menggunakan parameter tersebut didapatkan rata- rata hasil akurasi sebesar 80,00 %. Dapat disimpulkan pengunaan metode Extreme Learning Machine dapat menyelesaikan permasalahan klasifikasi dengan cukup baik.