IMPLEMENTASI ALGORITMA FUZZY C-MEANS UNTUK PEMBANGKITAN ATURAN FUZZY PADA DETEKSI DINI RISIKO PENYAKIT STROKE

Repositori Jurnal Mahasiswa PTIIK UB
© 2015 by Doro Jurnal
Volume 5 - Number 8
Year of Publication: 2015
Shinta Ayu Valensia, Rekyan Regasari Mardi Putri dan Novanto Yudhistira
Download Article

 


Abstract

Penyakit stroke merupakan penyebab kecacatan fisik pertama dan penyebab kematian ketiga (setelah jantung dan kanker) di dunia. Seseorang yang berpotensi terkena penyakit stroke dapat mengurangi potensi tersebut apabila mengetahui faktor risiko yang menyebabkan stroke, serta menanggulanginya sejak dini. Beberapa faktor risiko utama yang dapat mengakibatkan penyakit stroke yaitu tekanan darah, umur, jenis kelamin, kolesterol, serta riwayat diabetes. Bagi para ahli terkadang sulit untuk mendiagnosis penyakit stroke karena adanya beberapa faktor risiko yang mempengaruhi. Oleh karena itulah diperlukan suatu metode inferensi sebagai pendukung keputusan, apakah seseorang tersebut berisiko terkena penyakit stroke atau tidak. Aturan dari seorang pakar dapat digantikan dengan menggunakan algoritma clustering. Dalam penelitian ini diimplementasikan algoritma fuzzy c-means clustering sebagai media pembelajaran untuk membangkitkan aturan fuzzy. Penelitian ini menggunakan data rekam medik dari rumah sakit XYZ yang berasal dari penelitian sebelumnya. Data rekam medik terdiri 109 data latih dan 30 data uji. Proses pelatihan diawali dengan proses clustering, dari hasil clustering kemudian dilakukan analisa varian. Hasil cluster dengan nilai varian terkecil akan dijadikan bahan untuk proses ekstraksi aturan fuzzy. Setelah aturan terbentuk barulah dilakukan proses pengujian menggunakan sistem inferensi fuzzy model sugeno orde-satu. Dari pengujian jumlah cluster dihasilkan jumlah cluster ideal yang terpilih, yaitu 3 cluster. Sedangkan untuk pengujian akurasi didapatkan akurasi sistem sebesar 87,33% dengan akurasi tertinggi sebesar 93,33% pada jumlah aturan 3.

Keywords

deteksi stroke, fuzzy c-means, clustering, aturan fuzzy, fuzzy inference system sugeno