ROMADONNI, RESKI and Fitrilina, Fitrilina (2023) PERANCANGAN SISTEM DETEKSI DINI PENYAKIT JANTUNG MENGGUNAKAN METODE BAYESIAN NETWORK BERBASIS IoT. ['eprint_fieldopt_thesis_type_ut' not defined] thesis, Universitas Bengkulu.
![SKRIPSI RESKI ROMADONNI G1D017055-1 - Reski Romadonni.pdf [thumbnail of SKRIPSI RESKI ROMADONNI G1D017055-1 - Reski Romadonni.pdf]](https://repository.unib.ac.id/style/images/fileicons/text.png)
SKRIPSI RESKI ROMADONNI G1D017055-1 - Reski Romadonni.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).
Download (3MB)
Abstract
Jantung merupakan salah satu organ vital dalam tubuh manusia. Jika ditangani
lebih awal, penyakit jantung lebih mudah diantisipasi. Akan tetapi pada sebagian
besar kasus, penyakit diketahui dan ditangani saat sudah berada pada stadium
lanjut. Sehingga dibutuhkan suatu system untuk membantu pasien memonitoring
kondisi jantung secara mandiri atau sistem merekomendasikan pasien untuk
segera memeriksakan diri. Dalam penelitian ini dibuat sebuah sistem pendeteksi
penyakit jantung yang dibangun menggunakan sensor pulsa, Modul ESP 32,
Baterai, Lcd , serta menggunakan metode sistem pakar Bayesian Network berbasis
web. Sistem pakar dibangun dari nilai prior probability dari 4 dokter spesialis
penyakit jantung dan diolah menjadi nilai posterior probability 29 gejala terhadap
ketiga jenis penyakit jantung dan satu kemungkinan normal. Dengan
menggunakan nilai posterior probability, didapatkan nilai probabilitas pengguna
terkena tiga penyakit jantung berdasarkan gejala yang dipilih. Penyakit dengan
probabilitas tertinggi merupakan kesimpulan akhir sistem. Berdasarkan pengujian
bahwa sistem pendeteksi penyakit jantung berjalan dengan baik, berdasarkan uji
input dan output interface, serta pengujian hasil diagnosis sistem pakar dengan
hasil diagnosis dokter dari 50 kasus terdapat 3 kesalahan sehingga didapatkan
tingkat kebenaran aplikasi sebesar 92 %. Simpangan rata-rata antara alat ukur
denyut jantung yang dibuat dan alat pembanding sebesar 3,125 BPM Dan rata-rata
galat pengukuran didapatkan sebesar 3,75 %.
Kata kunci : Bayesian network, Esp 32, Penyakit Jantung, Web
Item Type: | Thesis (['eprint_fieldopt_thesis_type_ut' not defined]) |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering > Department of Electrical Engineering |
Depositing User: | 58 lili haryanti |
Date Deposited: | 20 Nov 2023 04:47 |
Last Modified: | 20 Nov 2023 04:47 |
URI: | https://repository.unib.ac.id/id/eprint/17276 |