Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal Teknik Informatika Unika Santo Thomas (JTIUST)
Kartadilaga, Muhammad Qaessar
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Evaluasi Logistic Regression dan Neural Network pada Klasifikasi Gagal Jantung Berbasis Threshold Anggraini, Leslie; Akram Abdillah, Attar; Kartadilaga, Muhammad Qaessar; Verdiana, Miranti; Nugroho, Eko; Afriansyah, Aidil; Febrianto, Andre; Bagaskara, Radhinka
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kardiovaskular adalah sistem jantung dan pembuluh darah dalam tubuh manusia yang bertanggung jawab atas sirkulasi darah dalam jantung, pembuluh darah, dan darah sendiri. Gangguan pada fungsi sistem ini dapat menyebabkan penyakit kardiovaskular, seperti gagal jantung, yang menjadi salah satu penyebab utama kematian di seluruh dunia. Kematian yang disebabkan oleh gagal jantung mempengaruhi 1.5 juta pasien di seluruh dunia. Dikarenakan oleh data statistik tersebut, maka ada kebutuhan untuk dapat memprediksi dampak gagal jantung untuk membantu tingkat kelangsungan hidup pasien. Sebagai bentuk kontribusi terhadap kebutuhan tersebut, penelitian ini akan menganalisis sebuah dataset pelayanan kesehatan, yaitu dataset rekam gagal jantung dari UCI. Dataset tersebut akan digunakan untuk mengklasifikasi dan memprediksi peluang kematian dari pasien gagal jantung. Kami akan membandingkan antara dua metode klasifikasi dari machine learning, yaitu Logistic Regression (LR), dan deep learning, yaitu Shallow Neural Network (SNN). Mutual Information (MI) dipilih sebagai metode pemilihan fitur. Hasil menunjukkan bahwa SNN menghasilkan akurasi lebih tinggi dengan skor 0.75, dibandingkan LR dengan akurasi sebesar 0.63.
Evaluasi Logistic Regression dan Neural Network pada Klasifikasi Gagal Jantung Berbasis Threshold Anggraini, Leslie; Akram Abdillah, Attar; Kartadilaga, Muhammad Qaessar; Verdiana, Miranti; Nugroho, Eko; Afriansyah, Aidil; Febrianto, Andre; Bagaskara, Radhinka
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kardiovaskular adalah sistem jantung dan pembuluh darah dalam tubuh manusia yang bertanggung jawab atas sirkulasi darah dalam jantung, pembuluh darah, dan darah sendiri. Gangguan pada fungsi sistem ini dapat menyebabkan penyakit kardiovaskular, seperti gagal jantung, yang menjadi salah satu penyebab utama kematian di seluruh dunia. Kematian yang disebabkan oleh gagal jantung mempengaruhi 1.5 juta pasien di seluruh dunia. Dikarenakan oleh data statistik tersebut, maka ada kebutuhan untuk dapat memprediksi dampak gagal jantung untuk membantu tingkat kelangsungan hidup pasien. Sebagai bentuk kontribusi terhadap kebutuhan tersebut, penelitian ini akan menganalisis sebuah dataset pelayanan kesehatan, yaitu dataset rekam gagal jantung dari UCI. Dataset tersebut akan digunakan untuk mengklasifikasi dan memprediksi peluang kematian dari pasien gagal jantung. Kami akan membandingkan antara dua metode klasifikasi dari machine learning, yaitu Logistic Regression (LR), dan deep learning, yaitu Shallow Neural Network (SNN). Mutual Information (MI) dipilih sebagai metode pemilihan fitur. Hasil menunjukkan bahwa SNN menghasilkan akurasi lebih tinggi dengan skor 0.75, dibandingkan LR dengan akurasi sebesar 0.63.
Co-Authors Afriansyah, Aidil Akram Abdillah, Attar Anggraini, Leslie Bagaskara, Radhinka Eko Nugroho Febrianto, Andre Verdiana, Miranti