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

Text

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

Penilaian

0,0

dari 5
Penilaian anda saat ini :  

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.

Availability
Inventory Code Barcode Call Number Location Status
2207003884T79615T796152022Central Library (Referens)Available but not for loan - Not for Loan
Detail Information
Series Title
-
Call Number
T796152022
Publisher
Inderalaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer.,
Collation
xiii, 67 hlm.; ilus.; 29 cm
Language
Indonesia
ISBN/ISSN
-
Classification
004.70 7
Content Type
-
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
Network
Prodi Sistem Komputer
Specific Detail Info
-
Statement of Responsibility
Other version/related

No other version available

File Attachment
Comments
You must be logged in to post a comment