Soleh, Dimas Figo Abdillah (2025) KLASIFIKASI PENYAKIT STROKE BERBASIS DEEP LEARNING MENGGUNAKAN MULTILAYER PERCEPTRON (MLP). Skripsi thesis, Universitas Muhammadiyah Lamongan.
![[img]](http://repository.umla.ac.id/style/images/fileicons/text.png) |
Text
Halaman Pernyataan Orisinilitas_Dimas Figo Abdillah_2103010049.pdf.pdf Download (401kB) |
|
Text
Lembar Persetujuan_Dimas Figo Abdillah_2103010049.pdf.pdf Download (236kB) |
|
Text
Lembar Pengesahan_Dimas Figo Abdillah_2103010049.pdf.pdf Download (327kB) |
|
Text
Halaman Judul_Dimas Figo Abdillah_2103010049.pdf Download (585kB) |
|
Text
BAB 1_Dimas Figo Abdillah_2103010049.pdf.pdf Download (405kB) |
|
Text
BAB 2_Dimas Figo Abdillah_2103010049.pdf.pdf Restricted to Repository staff only Download (840kB) |
|
Text
BAB 3_Dimas Figo Abdillah_2103010049.pdf.pdf Restricted to Repository staff only Download (460kB) |
|
Text
BAB 4_Dimas Figo Abdillah_2103010049.pdf.pdf Restricted to Repository staff only Download (1MB) |
|
Text
BAB 5_Dimas Figo Abdillah_2103010049.pdf.pdf Download (294kB) |
|
Text
DAFTAR PUSTAKA_Dimas Figo Abdillah_2103010049.pdf.pdf Download (290kB) |
|
Text
LAMPIRAN_Dimas Figo Abdillah_2103010049.pdf.pdf Download (369kB) |
Abstraksi
Stroke merupakan salah satu gangguan kesehatan yang bukan disebabkan oleh infeksi dan menjadi penyebab utama kematian di dunia. Mengidentifikasi stroke lebih awal sangat krusial demi mengurangi efek yang ditimbulkan. Studi ini bertujuan untuk menciptakan sistem klasifikasi penyakit stroke yang memanfaatkan teknologi deep learning dengan pendekatan Multilayer Perceptron (MLP). Dataset yang dipakai berasal dari Kaggle.com yang memiliki 5110 contoh pasien dan meliputi beberapa atribut yaitu usia, hipertensi, kondisi jantung, kadar gula, indeks massa tubuh (BMI), dan kebiasaan merokok. Penelitian ini mencakup pengolahan data menggunakan model Multilayer Perceptron (MLP) yang dirancang dirancang dengan struktur dua lapisan tersembunyi (64 dan 32 neuron) dengan penggunaan fungsi aktivasi ReLU, serta lapisan output yang menggunakan fungsi aktivasi sigmoid. Hasil dari evaluasi model menunjukkan tingkat akurasi sebesar 96%, dengan precision 0.92 dan recall 1.00 untuk kategori stroke, serta precision 1.00 dan recall 0.92 untuk kategori non-stroke. Model ini selanjutnya diintegrasikan ke dalam aplikasi web yang berbasis Streamlit untuk memudahkan penggunaannya secara praktis.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Uncontrolled Keywords: | Stroke, Multilayer Perceptron, Deep Learning, Klasifikasi |
| Subjects: | Fakultas Sains, Teknologi dan Pendidikan > S1 Teknik Komputer |
| Divisions: | Fakultas Sains, Teknologi dan Pendidikan |
| Depositing User: | Dimas Figo Abdillah Soleh |
| Date Deposited: | 22 Aug 2025 07:01 |
| Last Modified: | 22 Aug 2025 07:01 |
| URI: | http://repository.umla.ac.id/id/eprint/5835 |
Actions (login required)
 |
View Item |
