PETA KOGNITIF FUZZY DENGAN PELATIHAN HEBBIAN NON-LINIER UNTUK PREDIKSI PENYAKIT JANTUNG

• Main Author: FATIMAH ASSEGAF, 081211233040
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; Indonesian
• Published: 2016
• Subjects: QA276-280 Mathematical Analysis; RC666-701 Diseases of the circulatory (Cardiovascular) system
• Online Access: http://repository.unair.ac.id/45309/1/ABSTRAK.pdf; http://repository.unair.ac.id/45309/2/MPM.%2080-16%20Ass%20p.pdf; http://repository.unair.ac.id/45309/; http://lib.unair.ac.id
• Institution: Universitas Airlangga

Penyakit Kardiovaskular atau penyakit jantung adalah kelompok penyakit yang melibatkan organ jantung atau pembuluh darah yang juga merupakan penyebab utama kematian di dunia. Terdapat beberapa faktor risiko dari penyakit jantung seperti usia, jenis kelamin, kenaikan tekanan darah, kolesterol, tingkat gula darah, detak jantung maksimal. Tujuan dari skripsi ini adalah menerapkan peta kognitif fuzzy (FCM) dengan pelatihan hebbian non-linier untuk memprediksi risiko penyakit jantung. Terdapat dua belas komponen dari FCM yang digunakan untuk memprediksi risiko penyakit jantung yang terdiri dari sebelas faktor risiko atau gejala sebagai komponen masukan (input) dan risiko terkena penyakit jantung sebagai komponen keluaran (output). Lalu, ditentukan relasi kausal antar komponen dengan aturan linguistik fuzzy yang kemudian diagregasi dengan metode SUM dan di-defuzzifikasi untuk memperoleh nilai bobot Wij dalam interval [-1,1] yang menunjukkan tingkat pengaruh komponen Ki terhadap Kj. Bobot Wij pada setiap iterasi FCM diupdate dengan menggunakan pelatihan hebbian non-linier. Data medis pasien dinormalisasi untuk mendapatkan nilai komponen Aj dalam interval [0,1] yang kemudian akan berinteraksi dengan bobot Wij pada setiap iterasi FCM sampai kondisi berhenti yang ditentukan terpenuhi dengan tujuan untuk memprediksi risiko penyakit jantung pada pasien. Berdasarkan hasil implementasi program disimpulkan bahwa penggunaan peta kognitif fuzzy dengan pelatihan hebbian non-linier terhadap hasil keputusan 250 sampel data medis penyakit jantung pada UCI Machine Learning memiliki tingkat ketepatan sebesar 90,8%.