SELEKSI FITUR BERBASIS KOMPUTER UNTUK DIAGNOSIS PENYAKIT JANTUNG KORONER

• Main Authors: , Dwi Wahyu Prabowo, , Noor Akhmad Setiawan, S.T., M.T., Ph.D.
• Format: Theses and Dissertations NonPeerReviewed
• Published: [Yogyakarta] : Universitas Gadjah Mada 2014
• Subjects: ETD
• Online Access: https://repository.ugm.ac.id/133399/; http://etd.ugm.ac.id/index.php?mod=penelitian_detail&sub=PenelitianDetail&act=view&typ=html&buku_id=74057

Penyakit jantung koroner merupakan penyakit yang banyak menyebabkan kematian pada manusia. Penyakit ini terjadi ketika terdapat atherosclerosis (timbunan lemak) yang menghalangi aliran darah ke otot jantung pada arteri koronaria. Metode gold standard yang menjadi rujukan para dokter untuk mendiagnosis penyakit jantung koroner adalah coronary angiography. Namun metode ini invasive, mempunyai risiko, dan mahal. Tujuan dari penelitian ini adalah melakukan diagnosis penyakit jantung koroner berbasis komputer. Diagnosis penyakit jantung koroner berbasis komputer dilakukan dengan menyeleksi fitur dan melakukan klasifikasi pada dataset Cleveland. Pada penelitian ini, metode seleksi fitur berbasis pakar medis (MFS) juga digunakan. Metode seleksi fitur berbasis komputer yang digunakan adalah correlation based feature selection (CFS), seleksi fitur berbasis Wrapper (WFS), seleksi fitur berbasis teori rough set (RST), dan kombinasi RST dan CFS yang dinamakan dengan RSTCFS. Penggabungan metode seleksi fitur berbasis pakar medis dan komputer juga dilakukan untuk menghindari terhapusnya fitur-fitur yang dianggap penting oleh pakar medis. Classifier yang digunakan adalah Naïve Bayes, SMO, IBk, AdaBoostM1, PART, dan J48. Pada akhirnya RSTCFS dengan Naïve Bayes sebagai classifier menjadi skema yang terbaik untuk mendiagnosis penyakit jantung koroner. RSTCFS+Naïve Bayes memiliki area under curve of ROC (AUC) terbaik dibandingkan skema yang lainnya yaitu sebesar 0.902. Kemudian penggabungan MFS dengan RSTCFS, CFS, dan WFS mampu meningkatkan AUC masing-masing skema secara signifikan statistik dalam rentang 7% hingga 20%. Kata kunci � Penyakit jantung koroner, Cleveland, seleksi fitur, klasifikasi