Record Details

Implementasi Bagging Naive Bayes untuk Klasifikasi Stenosis Left Anterior Descending (LAD), Left Circumflex Artery (LCX) dan Right Coronary Artery (RCA) dalam Diagnosis Coronary Artery Disease (CAD)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Implementasi Bagging Naive Bayes untuk Klasifikasi Stenosis Left Anterior Descending (LAD), Left Circumflex Artery (LCX) dan Right Coronary Artery (RCA) dalam Diagnosis Coronary Artery Disease (CAD)
 
Added Entry - Uncontrolled Name Luhung, Amalia
Furqon, Muhammad Tanzil
Dewi, Candra
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Coronary Artery Disease (CAD) adalah penyakit yang terjadi akibat akumulasi plak atherosklerotik yang menyebabkan terjadinya sumbatan (stenosis) dalam lapisan tunika intima pembuluh darah koroner. Pembuluh darah koroner yang dimaksud adalah Left Anterior Descending (LAD), Left Circumflex Artery (LCX), dan Right Coronary Artery (RCA). Stenosis pada pembuluh darah koroner dapat menyebabkan serangan jantung bahkan kematian. Diagnosis perlu dilakukan secara cepat untuk mengurangi dampak CAD maka, dibangunlah sebuah sistem yang dapat membantu mengetahui stenosis LAD, LCX, dan RCA melalui klasifikasi. Klasifikasi dilakukan untuk mengelompokkan arteri koroner pasien ke dalam kelas normal atau stenosis menggunakan metode Bagging Naive Bayes. Metode ini memungkinkan klasifikasi dilakukan oleh beberapa model prediktor yang dibuat berdasarkan bootstrap dengan sampling with replacement untuk mendapatkan hasil agregat. Tahapan yang ditempuh untuk mengimplementasikan metode ini adalah preprocessing, bootstraping, klasifikasi Naive Bayes, voting. Accuracy tertinggi pada klasifikasi LAD yang didapatkan adalah 0,7573 saat klasifikasi dilakukan dengan menggunakan 200 data, 25 sampel bootstrap (T), dan klasifikasi dilakukan dengan seluruh fitur dan nilai precision, sensitivity, dan specificity nya 0,8065, 0,7938, dan 0,7012. Pada klasifikasi LCX accuracy tertinggi yang dicapai yaitu 0,7282 saat klasifikasi dilakukan dengan menggunakan 200 data, T=1, dan klasifikasi dilakukan dengan fitur hasil seleksi .Hasil precison, sensitivity, dan specificity nya adalah 0,9042, 0,7262, dan 0,7368. Pada klasifikasi RCA accuracy tertinggi yaitu 0,7282 saat klasifikasi dilakukan dengan menggunakan 150 data, T=1, dan klasifikasi dilakukan dengan fitur hasil seleksi nilai precision, sensitivity dan specificity nya 0,9242, 0,7262, dan 0,7368. Metode seleksi fitur yang digunakan adalah Pearson's chi-squared dan One-way ANOVA.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/8886
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 4 (2021): April 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com