PREDIKSI HENTI JANTUNG BERDASARKAN TANDA VITAL PADA PASIEN UNIT PERAWATAN INTENSIF MENGGUNAKAN DEEP LEARNING

OKTAVIANI, HAQIQI and Firdaus, Firdaus (2022) PREDIKSI HENTI JANTUNG BERDASARKAN TANDA VITAL PADA PASIEN UNIT PERAWATAN INTENSIF MENGGUNAKAN DEEP LEARNING. Undergraduate thesis, Sriwijaya University.

	Text RAMA_56201_09011181823127.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text RAMA_56201_09011181823127_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy
Preview	Text RAMA_56201_09011181823127_0221017801_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (710kB) | Preview
	Text RAMA_56201_09011181823127_0221017801_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (328kB) | Request a copy
	Text RAMA_56201_09011181823127_0221017801_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (454kB) | Request a copy
	Text RAMA_56201_09011181823127_0221017801_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (599kB) | Request a copy
	Text RAMA_56201_09011181823127_0221017801_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (8kB) | Request a copy
	Text RAMA_56201_09011181823127_0221017801_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (82kB) | Request a copy
	Text RAMA_56201_09011181823127_0221017801_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (506kB) | Request a copy

Abstract

Henti jantung (CA) adalah penyebab kematian paling banyak di antara pasien yang dirawat di unit gawat darurat. Henti jantung biasanya merupakan deteksi awal hasil, dan kemudian membantu menginterpretasikan efek intervensi dalam uji klinis heterogen. Kejadian yang serius langsung dipindahkan ke unit perawatan intensif (ICU) karena biasanya sebelum terjadinya CA terdapat tanda vital yang abnormal. Metodologi yang digunakan dalam tugas akhir ini terdiri dari studi pustaka, pengumpulan data, pengolahan data, dan analisis hasil menggunakan metode Convotional Neural Network (CNN). Dalam penelitian ini, bertujuan untuk memprediksi henti jantung pada pasien gawat darurat berdasarkan tanda-tanda vital di samping tempat tidur pasien. Untuk proses prediksi serangan jantung digunakan metode Deep Learning (DL) dengan menggunakan algoritma CNN. Setelah dilakukan pre-processing data yang digunakan, metode CNN akan berperan sebagai model untuk memprediksi CA pada pasien. Hasil terbaik pada model 1 menggunakan metode CNN, batch size 32, learning rate 0,00001 dan epoch 250. Kemudian, selanjutnya menggunakan metode Artificial Neural Network (ANN) dengan batch size, learning rate dan epoch yang sama seperti sebelumnya. menggunakan metode CNN menghasilkan akurasi 98% dan menggunakan metode ANN menghasilkan akurasi 95%. Diperlukan perkiraan lebih lanjut untuk memperkirakan tanda-tanda vital pada pasien menggunakan CNN serta menggunakan parameter lain. Penelitian lebih lanjut dapat dilakukan agar bisa mendapatkan hasil yang lebih baik lagi karena data yang digunakan tidak seimbang antara pasien CA dan pasien non CA.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Henti jantung, perawatan intensif, akurasi, convolutional neural network, artifitial neural network
Subjects:	Q Science > Q Science (General) > Q300-390 Cybernetics > Q325.5 Machine learning
Divisions:	09-Faculty of Computer Science > 56201-Computer Systems (S1)
Depositing User:	Haqiqi Oktaviani
Date Deposited:	23 Sep 2022 05:54
Last Modified:	23 Sep 2022 05:54
URI:	http://repository.unsri.ac.id/id/eprint/79615

Actions (login required)

View Item