Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika)
Wulandari, Serin
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Optimization of the Artificial Neural Network Algorithm with Genetic Algorithm in Stroke Prediction Wulandari, Serin; Mukti, Yogi Isro’; Susanti, Tri
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 2 (2024): Article Research Volume 8 Issue 2, April 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i2.13609

Abstract

This study aims to optimize Artificial Neural Network with Genetic Algorithm in predicting stroke. This research is motivated by health problems in the community that are less considered that cause a disease such as stroke. Factors of lifestyle, poor diet and other factors that can be the cause of stroke. Therefore, where later the data that has been obtained will be processed to see what factors determine the cause of stroke. The data used, namely kaggle and mendeley, will be processed using RapidMiner, with a development method (CRISP-DM) and a testing method using a Confusion Matrix. The results of this study, stroke disease classification model accuracy kaggle Artificial Neural Network dataset with Genetic Algorithm accuracy 95.13% and AUC 0.667 and mendeley dataset accuracy 98.20% and AUC 0.712. For model evaluation with Artificial Neural Network algorithm with Artificial Neural Network algorithm with kaggle dataset genetic algorithm using X-fold validation average accuracy of 95.14% and AUC 0.686.7 and mendeley dataset resulted in accuracy of 98.20% and AUC 0.712.5. So as to produce from an algorithm a new attribute from the results of the classification model that has been carried out, namely heart disease, ever married, work type and residence type  
OPTIMALISASI PREDIKSI PENYAKIT STROKE MENGGUNAKAN ALGORITMA DEEP LEARNING Wulandari, Serin; Isro'Mukti, Yogi; Susanti, Tri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9256

Abstract

Penyakit stroke adalah pembuluh darah yang mengganggu aliran darah ke otak menyebabkan fungsi otak terganggu. Akibatnya, aliran darah ke otak menjadi kaku, mati rasa atau lemah, dan penyakit ini biasanya terjadi di satu sisi tubuh. Faktor-faktor yang disebabkan dari pola hidup, pola makan yang buruk dan faktor lainnya yang dapat menjadi penyebab terjadinya stroke. Tujuan penelitian ini untuk mengoptimalisasikan prediksi penyakit stroke menggunakan deep learning dengan algoritma Artificial Neural Network dan teknik optimasi Genetic Algoritm. Data yang digunakan yaitu kaggle dan mendeley akan diolah menggunakan RapidMiner, dengan metode pengembangan Cross Industry Standard Process Model For Data Mining (CRISP-DM). Pengujian dilakukan dengan 10 validation hasil yang didapatkan pada data kaggle menghasilkan akurasi sebesar 94,83% dan AUC 0.758 sedangkan penambahkan algorithm genetic menghasilkan akurasi 95,13% dan AUC 0.667. Pada data mendeley menghasilkan akurasi 98,19% dan AUC 0.805 sedangkan penambahkan algorithm genetic menghasilkan akurasi 98,20% dan AUC 0.712 . Hasil T-test dikatakan signifikan jika alpha (P > 0,05). Pada data kaggle dengan probabilitas yang dihasilkan 0.044 dan untuk dataset mendeley probabilitas yang dihasilkan 0.389 hasil ini menunjukan hubungan tidak ada signifikan dengan penambahan algorithm genetic pada algoritma artificial neural network.
Co-Authors Isro'Mukti, Yogi Mukti, Yogi Isro’ Tri Susanti TRI SUSANTI