Studi Perbandingan Untuk Diagnosa Penyakit Stroke dengan Menggunakan Feyn Qlattice dan Xtream Gradient Boosting

Isratul Aini, Erie Kresna, M. Amirul

Abstract


Pada Menurut Global Burden of Disease di Asia, Asia Timur dan Asia Selatan, Indonesia menduduki peringkat kedua sebagai negara dengan kasus kematian akibat stroke tertinggi dengan jumlah sekitar 193,3/100.000 orang/tahun dan peringkat kedua dengan disabilitas terkait stroke dengan beban besar 3.382/100.000 orang di 2010. Terjadi ketika pembuluh darah pecah atau menggumpal sehingga menyebabkan kematian sel otak. Setelah stroke fungsi tubuh menjadi terganggu sementara atau permanen Ada banyak faktor yang berhubungan dengan keterlambatan mencari pengobatan stroke. Faktor utamanya diyakini adalah rendahnya tingkat pengetahuan masyarakat mengenai gejala stroke dan praktik pencegahannya. Oleh karena itu, kesadaran yang lebih baik terhadap gejala atau tanda peringatan terkait stroke berkorelasi signifikan dengan pengetahuan masyarakat tentang stroke dan tindaka. Peneliti membandingkan klasifikasi diagnosa penyakit stroke menggunakan algorithma Xtream Gradient Boosting dan Feyn Qlattice untuk mengetahui bagaimana kedua algorthma tersebut diklasifikasikan pada penyakit stroke. Perbandingan ini dilakukan untuk mengetahui apakah kedua algorithma tersebut memiliki tingkat keakuratan yang lebih tinggi. Hasil evaluasi literatur menunjukkan bahwa nilai akurasi Xtream Gradient Boosting 96% lebih besar dari nilai akurasi algorithma Feyn Qlattice.


Keywords


Stroke; Xtream Gradient Boosting; Feyn Qlattice;

Full Text:

PDF

References


M. O. Owolabi et al., “Primary stroke prevention worldwide: translating evidence into action,” The Lancet Public Health, vol. 7, no. 1. Elsevier Ltd, pp. e74–e85, Jan. 01, 2022. doi: 10.1016/S2468-2667(21)00230-9.

A. Tjan, I. G. R. Widiana, E. D. Martadiani, I. M. D. P. Ayusta, M. W. Asih, and F. P. Sitanggang, “Carotid artery stiffness measured by strain elastography ultrasound is a stroke risk factor,” Clin Epidemiol Glob Health, vol. 12, Oct. 2021, doi: 10.1016/j.cegh.2021.100850.

N. Razfar, R. Kashef, and F. Mohammadi, “An Artificial Intelligence model for smart post-stroke assessment using wearable sensors,” Decision Analytics Journal, vol. 7, Jun. 2023, doi: 10.1016/j.dajour.2023.100218.

M. A. Haq, S. J. Ruan, W. J. Cai, and L. P. H. Li, “Using Lip Reading Recognition to Predict Daily Mandarin Conversation,” IEEE Access, vol. 10, pp. 53481–53489, 2022, doi: 10.1109/ACCESS.2022.3175867.

M. Wu, K. Yu, Z. Zhao, and B. Zhu, “Knowledge structure and global trends of machine learning in stroke over the past decade: A scientometric analysis,” Heliyon, vol. 10, no. 2, Jan. 2024, doi: 10.1016/j.heliyon.2024.e24230.

K. Chadaga, S. Prabhu, N. Sampathila, and R. Chadaga, “A machine learning and explainable artificial intelligence approach for predicting the efficacy of hematopoietic stem cell transplant in pediatric patients,” Healthcare Analytics, vol. 3, Nov. 2023, doi: 10.1016/j.health.2023.100170.

B. W. Florijn et al., “Non-coding RNAs versus protein biomarkers to diagnose and differentiate acute stroke: Systematic review and meta-analysis,” Journal of Stroke and Cerebrovascular Diseases, vol. 32, no. 11, Nov. 2023, doi: 10.1016/j.jstrokecerebrovasdis.2023.107388.

J. Liang, C. Luo, S. Ke, and T. H. Tung, “Stroke related knowledge, prevention practices and associated factors among stroke patients in Taizhou, China,” Prev Med Rep, vol. 35, Oct. 2023, doi: 10.1016/j.pmedr.2023.102340.

A. M. A. Rahim, A. Sunyoto, and M. R. Arief, “Stroke Prediction Using Machine Learning Method with Extreme Gradient Boosting Algorithm,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 3, pp. 595–606, Jul. 2022, doi: 10.30812/matrik.v21i3.1666.

P. Purwono, A. Ma’arif, I. S. Mangku Negara, W. Rahmaniar, and J. Rahmawan, “Linkage Detection of Features that Cause Stroke using Feyn Qlattice Machine Learning Model,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, vol. 7, no. 3, p. 423, Dec. 2021, doi: 10.26555/jiteki.v7i3.22237.




DOI: https://doi.org/10.31284/p.snestik.2024.5894

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Isratul Aini

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.