Intisari - ETD UGM

advertisement
Intisari
Penyakit jantung koroner, yang disebabkan adanya plak (timbunan lemak)
pada pembuluh darah, masih menjadi salah satu penyebab utama kematian di
dunia. Gejala awal yang berupa nyeri dada masih sangat sulit dikenali, sehingga
terkadang terjadi kesalahan diagnosis. Sedangkan cara deteksi menggunakan ECG
atau tes treadmill terkadang membutuhkan biaya mahal dan hasil akurasi yang
tidak memuaskan.
Untuk menghindari kesalahan diagnosis dan ditambah ancaman kematian
yang tinggi, maka diperlukan suatu metode baru untuk mendeteksi penyakit ini.
Metode yang digunakan dalam penelitian ini adalah menggunakan model Variable
Precision Rough Set (VPRS) dan logika fuzzy. Kedua metode dipilih karena
kemampuannya dalam menemukan pola yang mungkin terbentuk dari dataset
yang tidak akurat.
Setelah dilakukan pengujian terhadap kedua metode tersebut dengan
menggunakan Dataset Cleveland, diperoleh nilai akurasi 79,05% untuk model
VPRS dan 74,32% untuk logika fuzzy. Dari hasil pengujian tampak bahwa model VPRS
memiliki hasil akurasi lebih baik daripada logika fuzzy. Kedua metode bisa digunakan
sebagai salah satu bahan pertimbangan dalam pengambilan keputusan terkait diagnosis
penyakit jantung koroner, namun pengawasan dari dokter ahli masih diperlukan jika
melihat nilai persentase hasil pengujiannya.
Kata Kunci : Penyakit Jantung Koroner, Variable Precision Rough Set (VPRS),
Logika Fuzzy, Dataset Cleveland
xiii
Abstract
Coronary heart disease, which is caused by plaque (fat) in the blood
vessels, is still one of the main causes of death in the world. The initial symptoms
such as chest pain still can not be used to diagnose accurately, resulting in
incorrect diagnosis. While the detection method using ECG or treadmill tests are
expensive and produce inaccurate diagnosis.
To avoid misdiagnosis, it would require an alternative method for
detecting this disease. The method used in this study is the Variable Precision
Rough Set (VPRS) and fuzzy logic. Both methods chosen for its ability to find
patterns that may be formed from a dataset that is hard to find a pattern.
After testing for both methods using the Cleveland dataset, the accuracy of
79.05% was obtained for the model VPRS and 74.32% for fuzzy logic. From the
test results it appears that the model VPRS has better accuracy than the result of
fuzzy logic. Both methods can be used as one of the considerations in decision
making related to the diagnosis of coronary heart disease, but the supervision of a
cardiologist is still required.
Keywords :
Coronary Heart Disease, Variable Precision Rough Set (VPRS),
Fuzzy Logic, Dataset Cleveland
xiv
Download