OPTIMALISASI PREDIKSI PENYAKIT STROKE MENGGUNAKAN ALGORITMA DEEP LEARNING

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.