ZHEGA FAO ANGGASTA (2023) PREDIKSI KONDISI PASIEN COVID-19 PASCAPERAWATAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (351kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (291kB)
Abstrak.pdf
Restricted to Registered users only
Download (15kB)
Bab I.pdf
Download (20kB)
Bab II.pdf
Restricted to Registered users only
Download (36kB)
Bab III.pdf
Restricted to Registered users only
Download (34kB)
Bab IV.pdf
Restricted to Registered users only
Download (384kB)
Bab V.pdf
Restricted to Registered users only
Download (12kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (154kB)
Lampiran.pdf
Restricted to Registered users only
Download (115kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (197kB)
Full Text.pdf
Restricted to Repository staff only
Download (1MB)
Abstract
Indonesia merupakan salah satu negara yang terkena dampak wabah virus COVID-19, dan penyebarannya menjadi perhatian besar dalam menyelesaikan masalah krusial. Di Indonesia, kasus terkonfirmasi pertama Covid-19 terjadi pada Maret 2020. Adanya pandemi Covid-19 yang melanda Indonesia banyak menimbulkan kekacauan karena bukan hanya kesehatan masyarakat saja yang perlu mendapat perhatian lebih dari pemerintah, tetapi perekonomian Indonesia juga menjadi tidak teratur. Pandemi global ini tidak hanya berdampak pada perekonomian pemerintah pusat, tetapi juga berdampak pada perekonomian pemerintah daerah, salah satunya di Daerah Istimewa Yogyakarta. Ribuan warga di Yogyakarta telah terjangkit virus Covid-19, Selama beberapa tahun terakhir, machine learning dan data mining telah menjadi sangat berguna hingga menjadi solusi di bidang medis. Menggunakan teknik data mining untuk memprediksi COVID-19 pada pasien akan mempersingkat waktu tunda hasil tes medis dan mengorganisir petugas kesehatan untuk memberikan perawatan medis yang tepat kepada mereka. Data mining memainkan peran penting dalam mencegah penyebaran virus ini. Karena peran ahli epidemiologi perawatan kesehatan telah berkembang, data kesehatan berbentuk soft-copy (elektronik) yang tersebar juga semakin meluas. Oleh karena itu, diperlukan prediksi demi mengetahui kondisi pasien covid-19 pascaperawatan di RS PKU Muhammadiyah Yogyakarta. Penelitian ini menggunakan konsep data mining dengan algoritma Support Vector Machine (LibSVM). Banyak atau sedikitnya jumlah data mempengaruhi hasil dari klasifikasi SVM. Selain itu kernel type, jumlah k-fold dan sampling type juga mempengaruhi tingkat accuracy dari klasifikasi. Dari hasil yang diperoleh menggunakan LibSVM dengan pengaturan kernel type rbf, k-fold = 8 dan shuffled sampling, dapat diperoleh accuracy klasifikasi sebesar 73,68%
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Condition of Covid-19 Patients, Classification, Multiclass Label, Support Vector Machine (LibSVM).\ |
Divisions: | Fakultas Teknik > Teknologi Informasi S1 |
Depositing User: | Aidilla Qurotianti |
Date Deposited: | 24 Oct 2023 07:59 |
Last Modified: | 24 Oct 2023 07:59 |
URI: | https://etd.umy.ac.id/id/eprint/40926 |