PENERAPAN JARINGAN SARAF TIRUAN RADIAL BASIS FUNCTION PADA DIAKNOSA DAN MEDICAL PRESCRIPTION PENYAKIT JANTUNG

Rocky Yefrenes Dillak, Martini Ganantowe Bintiri, Derwin Roni Sina

Abstract


Pemeriksaan medis terhadap seorang pasien sakit jantung membutuhkan keahilan yang tinggi dari seorang dokter. Dokter harus melakukan diagnose terhadap pasien untuk dapat menentukan jenis pengobatan (obat/terapi) yang cocok/tepat dengan pasien tersebut. Makala ini bertujuan untuk mengembangkan suatu metode untuk mendiaknosa penyakit jantung dan menentukan jenis obat yang tepat bagi pasien menggunakan jaringan syaraf tiruan radial basis function (RBF). Penelitian ini menggunakan 300 data pasien yang dibagi menjadi dua bagian : 250 data pasien digunakan untuk proses pelatihan dan sisanya 50 data pasien digunakan untuk pengujian system. Hasil akhir yang diperoleh, jaringan syaraf tiruan RBF mampu mendiagnosa penyakit jantung dan menentukan jenis obat yang sesui/tepat dengan akurasi 85%.


References


http ://www.heart.org

Kononenko, I., 2001, Machine learning for medical diagnosis: history, state of the art and perspective, Artificial Intelligence in Medicine, vol.23, no.1, pp.89-109.

Manickam, S., and Abidi, S. S. R., 1999, Experienced Based Medical Diagnostics System Over The World Wide Web (WWW), Proceedings of The First National Conference on Artificial Intelligence Application In Industry, Kuala Lumpur, pp. 47 - 56.

Haryono, M., E., A., 2005, Pengenalan Huruf Menggunakan Model Jaringan Syaraf Tiruan Radial Basis Function Dengan Randomize Cluster Decision, Seminar Nasional Teknologi Informasi (SNATi 2005), Yogyakarta, F-63 - F-67.

Hannan, S., A., Bhagile, V., D., Manza, R., R., Ramteke, R., J., 2010, Diagnosis and Medical Prescription of Heart Disease Using Support Vector Machine and Feedforward Backpropagation Technique, International Journal on Computer Science and Engineering, Vol. 02(06), 2150-2159.

Wonglersak, P., Youngkong,P., Cheowanish, I., 2011, Classification of Initial Stripe Height Patterns using Radial Basis Function Neural Network for Proportional Gain Prediction, World Academy of Science, Engineering and Technology.


Refbacks

  • There are currently no refbacks.