Piandy, Alif Radifan (2024) Deteksi serangan jantung berdasarkan data rekam medis menggunakan Support Vector Machine. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
![]() |
Text (Fulltext)
200605110114.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (1MB) |
Abstract
INDONESIA:
Serangan jantung merupakan kondisi serius yang dapat menyebabkan kematian jika tidak ditangani dengan cepat. Penyebab utama serangan jantung antara lain penyumbatan arteri koroner, tekanan darah tinggi, diabetes, merokok, dan obesitas. Banyak pasien yang mengalami serangan jantung terlambat mendapatkan penanganan medis karena tidak mengenali gejala awal, seperti nyeri dada, sesak napas, atau kelelahan berlebihan. Untuk mengatasi permasalahan tersebut, pada penelitian ini akan dirancang sistem deteksi serangan jantung berdasarkan data rekam medis pasien menggunakan metode Support Vector Machine, dengan tujuan untuk mengetаhui рerformа metoԁe Suррort Veсtor Mасhine ԁаlаm menԁeteksi serаngаn jаntung berԁаsаrkаn ԁаtа rekаm meԁis. Data yang digunakan diperoleh dari situs Elsevier Mendeley Data Repository yang berjudul Heart Attack Dataset, yang berisikan data rekam medis pasien sebanyak 1319 sampel dengan 9 atribut. Penelitian ini melibatkan beberapa langkah penting. Langkah awal adalah pra-pemrosesan data, yang mencakup Label Encoding menggunakan LabelEncoder dan Feature Scaling menggunakan StandardScaler. Kemudian, data dibagi menjadi empat bagian dengan rasio yang berbeda, yaitu 85% data latih : 15% data uji, 80% data latih : 20% data uji, 75% data latih : 25% data uji, dan 70% data latih : 30% data uji. Selanjutnya, penelitian ini membandingkan tiga kernel Support Vector Machine dan lima nilai hyperparameter C yang berbeda. Untuk mengevaluasi performa metode dalam melakukan deteksi, pengukuran dilakukan dengan memanfaatkan confusion matrix untuk mendapatkan nilai akurasi, presisi, recall, dan f1-score. Hasil analisis menunjukkan bahwa pada rasio 70:30 dengan kernel linear dan nilai hyperparameter C=100, diperoleh performa terbaik dengan nilai akurasi 93%, presisi 92%, recall 93%, dan f1-score 93%.
ENGLISH:
Heart attack is a serious condition that can cause death if not treated quickly. The main causes of heart attacks include coronary artery blockage, high blood pressure, diabetes, smoking, and obesity. Many patients who experience a heart attack are late in getting medical treatment because they do not recognize the early symptoms, such as chest pain, shortness of breath, or excessive fatigue. To address this issue, this research will design a heart attack detection system based on patient medical record data using the Support Vector Machine method, with the aim of determining the performance of the Support Vector Machine method in detecting heart attacks based on medical record data. The data used was obtained from the Elsevier Mendeley Data Repository site titled Heart Attack Dataset, which contains medical record data of 1319 samples with 9 attributes. This research involves several important steps. The initial step is data preprocessing, which includes Label Encoding using LabelEncoder and Feature Scaling using StandardScaler. Then, the data is divided into four parts with different ratios, namely 85% training data: 15% test data, 80% training data: 20% test data, 75% training data: 25% test data, and 70% training data: 30% test data. Furthermore, this research compares three Support Vector Machine kernels and five different hyperparameter C values. To evaluate the performance of the method in performing detection, measurements are carried out by utilizing a confusion matrix to obtain accuracy, precision, recall, and f1-score values. The analysis results show that at a 70:30 ratio with a linear kernel and hyperparameter C=100, the best performance is obtained with an accuracy of 93%, precision of 92%, recall of 93%, and f1-score of 93%.
ARABIC:
النوبة القلبية هي حالة خطيرة يمكن أن تسبب الوفاة إذا لم يتم علاجها بسرعة. تشمل الأسباب الرئيسية للنوبات القلبية انسداد الشريان التاجي وارتفاع ضغط الدم والسكري والتدخين والسمنة. يحصل العديد من المرضى الذين يعانون من نوبة قلبية على رعاية طبية بعد فوات الأوان لأنهم لا يتعرفون على الأعراض المبكرة، مثل ألم الصدر أو ضيق التنفس أو التعب المفرط. للتغلب على هذه المشاكل، سيقوم هذا البحث بتصميم نظام للكشف عن النوبات القلبية بناء على بيانات السجلات الطبية للمريض باستخدام طريقة آلة المتجه الداعم للأمراض، بهدف معرفة أداء تلك الطريقة في الكشف عنها خلال البيانات الطبية.تم الحصول على البيانات المستخدمة من موقع مستودع بيانات إلزفير ومندلي بمجموعة بيانات عن النوبة القلبية، والتي تحتوي على بيانات السجلات الطبية للمرضى ما يصل إلى ١٣١٩ عينة مع ٩ سمات. تضمن هذا البحث عدة خطوات مهمة. الخطوة الأولى هي المعالجة المسبقة للبيانات، والتي شملت ترميز الملصقات باستخدام LabelEncoder وقياس الميزات باستخدام StandardScaler. بعد ذلك، تم تقسيم البيانات إلى أربعة أجزاء بنسب مختلفة، وهي ٨٥٪ بيانات التدريب: ١٥٪ بيانات الاختبار، ٨٠٪ بيانات التدريب: ٢٠٪ بيانات الاختبار، ٧٥٪ بيانات التدريب: ٢٥٪ بيانات الاختبار، و ٧٠٪ بيانات التدريب: ٣٠٪ بيانات الاختبار. بعد ذلك، قارن البحث ثلاث حبات لآلة المتجه الداعم وخمس قيم مختلفة للمعلمات الفائقة ج. لتقييم أداء الطريقة في إجراء الكشف، تم إجراء القياسات باستخدام مصفوفة الارتباك للحصول على والضبط والدقة والاستدعاء ودرجة ف١. أظهرت نتائج التحليل أنه بنسبة ٧٠:٣٠ مع نواة خطية وقيمة معلمة فائقة ج. = ١٠٠، تم الحصول على أفضل أداء بقيمة ضبط ٩٣٪، دقة ٩٢٪، استدعاء ٩٣٪، ودرجة ف١ ٩٣٪.
Item Type: | Thesis (Undergraduate) |
---|---|
Supervisor: | Suhartono, Suhartono and Zaman, Syahiduz |
Keywords: | serangan jantung; support vector machine; deteksi Heart Attack; Support Vector Machine; Detection كشف، نوبة قلبية، آلة املتجه الداع |
Subjects: | 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080109 Pattern Recognition and Data Mining |
Departement: | Fakultas Sains dan Teknologi > Jurusan Teknik Informatika |
Depositing User: | Alif Radifan Piandy |
Date Deposited: | 16 May 2024 09:40 |
Last Modified: | 16 May 2024 09:40 |
URI: | http://etheses.uin-malang.ac.id/id/eprint/62862 |
Downloads
Downloads per month over past year
Actions (login required)
![]() |
View Item |