Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika RABIT: Jurnal Teknologi dan Sistem Informasi Univrab
Debi Setiawan
STMIK Amik Riau
Computer Science & IT Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Optimasi Prediksi Penyakit Systemic Lupus Erythematosus Menggunakan Algoritma Particle Swarm Optimization Ramalia Noratama Putri; Debi Setiawan
Techno.Com Vol 19, No 1 (2020): Februari 2020
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v19i1.3152

Abstract

Systemic lupus erythematosus (SLE) juga dikenal sebagai lupus, adalah penyakit autoimun di mana sistem kekebalan tubuh secara keliru menyerang jaringan sehat di banyak bagian tubuh. Jumlah penderita SLE semakin meningkat tiap tahun. Systemic Lupus Erythematosus telah diderita sebanyak lima juta orang diseluruh dunia. Penderita SLE di China lebih tinggi dari negara Eropa dan Amerika Utara, perkiraan prevalensi SLE adalah 50-100 kasus per 100.000 orang. Sedangkan di Indonesia, berdasarkan Sistem Inormasi Rumah Sakit Online (SIRS Online) pada tahun 2014 terdapat 1.169 penderita SLE, tahun 2015 terdapat 1.336 penderita SLE, dan tahun 2016 terdapat 2.116, dari data tersebut terlihat peningkatan angka penderita SLE setiap tahun. Salah satu penyebab dari tingginya angka penderita penyakit SLE adalah sulitnya mendiagnosa penyakit SLE. Tantangan terbesar dalam ilmu kedokteran adalah bagaimana melakukan deteksi dini dalam mendiagnosa penyakit SLE. Deteksi dini dalam diagnosa penyakit SLE dapat dilakukan dengan prediksi penyakit SLE. Penelitian ini melakukan optimasi terhadap hasil prediksi penyakit SLE dengan metode genetika. Metode optimasi yang digunakan adalah algoritma particle swarm optimization. Hasil dari penelitian adalah algoritma particle swarm optimization dapat melakukan optimasi dengan 6 pasien teridentifikasi secara tepat. Akurasi dari optimasi adalah 88 %.
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PREDIKSI PENYAKIT AUTOIMUN Debi Setiawan; Ramalia Noratama Putri; Reni Suryanita
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 4 No 1 (2019): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (334.764 KB) | DOI: 10.36341/rabit.v4i1.595

Abstract

Penyakit autoimun merupakan penyakit yang tidak menular, namun penyakit yang mematikan. Jumlah pasien yang meninggal akibat penyakit autoimun di tahun 2016 adalah 550 kematian. Tingginya angka kematian akibat autoimun karena sulitnnya diagnosa penyakit autoimun. WHO menyatakan 5 juta orang di dunia menderita lupus, sedangkan di Indonesia jumlahnya mencapai 200 ribu orang. Untuk itu diperlukannya prediksi dalam diagnosa penyakit autoimun. Algoritma yang digunakan dalam penelitian ini adalah algoritma genetika. Tujuan dari penelitian ini adalah memprediksi penyakit autoimun dengan algoritma genetika. Data yang digunakan dalam penelitian ini adalah data pasien penyakit dalam selama bulan Agustus di rumah sakit Arifin Ahmad. Hasil dari penelitian ini adalah terindentifikasi penyakit auotoimun atau tidak pada pasien.
Perbandingan Algoritma Genetika dan Backpropagation pada Aplikasi Prediksi Penyakit Autoimun Debi Setiawan; Ramalia Noratama Putri; Reni Suryanita
Khazanah Informatika Vol. 5 No. 1 June 2019
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v5i1.7173

Abstract

Penyakit autoimun adalah penyakit yang disebabkan oleh sistem imun yang kacau. Sehingga imun pada tubuh penderita menyerang penderita itu sendiri. Penelitian di Amerika Serikat menunjukkan lebih dari 23,5 juta penduduk menderita penyakit autoimun, sumber data Departemen Kesehatan dan Layanan Kemanusiaan Amerika Serikat. Pada data SIRS Online Ditjen Pelayanan Kesehatan 2017 menunjukkan data proporsi pasien berjenis kelamin laki-laki 54,3% dan pasien berjenis kelamin wanita 45,7%. Meningkatnya penderita penyakit autoimun disebabkan sulitnya untuk mendiagnosis penyakit autoimun, karena gejala dari penyakit autoimun bervariasi. Penelitian ini membandingkan algoritma backpropagation dan algoritma genetika dalam memprediksi penyakit autoimun. Perbandingan dilakukan berdasarkan nilai accuracy, sensitivity, dan precision. Data yang digunakan dalam penelitian ini adalah 24 data pasien penyakit dalam. Prediksi penyakit autoimun menggunakan algoritma backpropagation memiliki nilai accuracy 0.83, sensitivity 97%, dan precision 75%. Sedangkan prediksi penyakit autoimun dengan algoritma genetika memiliki nilai accuracy 0.76, sensitivity 81%, dan precision 75%. Dari perbandingan tersebut dapat disimpulkan bahwa algoritma backpropagation memberikan prediksi penyakit autoimun lebih baik dari algoritma genetika.
Co-Authors Ramalia Noratama Putri Reni Suryanita