SISTEM PREDIKSI DIAGNOSA PENYAKIT HEPATITIS MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK (ANN) SINGLE LAYER PERCEPTRON STUDI KASUS PADA PUSKESMAS TAMBAK

  • Ryan Haris Bawafi Universitas Muhammadiyah Gresik

Abstract

Puskesmas Tambak merupakan suatu organisasi kesehatan fungsional sebagai pusat pengembangan kesehatan masyarakat serta membina peran masyarakat di samping memberikan pelayanan secara menyeluruh dan terpadu kepada masyarakat di wilayah kerjanya dalam bentuk kegiatan pokok. Puskesmas Tambak terletak di Kecamatan Tambak, Pulau Bawean, Kabupaten Kebomas, Gresik. Meningkatnya penyakit hepatitis di kalangan masyarakat sekitar menimbulkan peningkatan permohonan tes fungsi hati yang terdiri dari ALT, AST, ALP, ALB, BIL, dan GGT. Hasil tes fungsi hati dilihat dengan signifikan menggunakan algoritma pohon klasifikasi karena dapat memperoleh informasi mengenai data klasifikasi pasien penyakit hepatitis. Banyaknya permintaan pasien penyakit hepatitis untuk melakukan tes fungsi hati menimbulkan permasalahan prediksi diagnosa pasien penyakit hepatitis di Puskesmas Tambak dengan metode Artificial Neutral Network Perceptron dengan melakukan optimalisasi perulangan (iterations) pada model algoritma neutral network dengan optimal, sehingga hasil prediksi lebih akurat. Hasil pengujian yang telah dilakukan dalam pembuatan sistem prediksi diagnosa pasien penyakit hepatitis dengan metode ANN single layer perceptron ini telah berhasil dibangun dan dapat diaplikasikan untuk memprediksi diagnosa pasien hepatitis di Puskesman Tambak.

Downloads

Download data is not yet available.
Published
Nov 30, 2022
How to Cite
BAWAFI, Ryan Haris. SISTEM PREDIKSI DIAGNOSA PENYAKIT HEPATITIS MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK (ANN) SINGLE LAYER PERCEPTRON STUDI KASUS PADA PUSKESMAS TAMBAK. Indexia : Informatics and Computational Intelligent Journal, [S.l.], v. 4, n. 2, p. 85-103, nov. 2022. ISSN 2657-0424. Available at: <https://journal.umg.ac.id/index.php/indexia/article/view/3526>. Date accessed: 25 nov. 2024. doi: http://dx.doi.org/10.30587/indexia.v4i2.3526.