IMPLEMENTASI MODEL TRANSFORMER MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK PREDIKSI PENYAKIT JANTUNG BERDASARKAN PARAMETER KLINIS

Kabuchi, Avankha Barlian (2026) IMPLEMENTASI MODEL TRANSFORMER MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK PREDIKSI PENYAKIT JANTUNG BERDASARKAN PARAMETER KLINIS. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (289kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (615kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (357kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (785kB)
	Text (BAB V) BAB V.pdf - Published Version Download (143kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (639kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.4822.zip - Published Version Restricted to Repository staff only Download (647kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (824kB)

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia dengan jumlah kasus yang terus meningkat akibat gaya hidup tidak sehat dan keterbatasan dalam proses diagnosis yang masih bergantung pada interpretasi subjektif tenaga medis. Kondisi ini berdampak pada ketidakakuratan diagnosis serta keterlambatan dalam penanganan, sehingga diperlukan sistem pendukung keputusan yang mampu melakukan deteksi dini secara cepat dan akurat berbasis data klinis. Penelitian ini bertujuan untuk mengembangkan model Prediksi penyakit jantung menggunakan arsitektur Transformer yang dioptimasi dengan algoritma Particle Swarm Optimization (PSO). Metode penelitian meliputi tahap pengumpulan dataset dari repositori publik, preprocessing data, pembangunan model Transformer untuk data tabular, serta optimasi hyperparameter menggunakan PSO untuk memperoleh parameter terbaik. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Transformer yang dioptimasi menggunakan PSO mampu menghasilkan performa klasifikasi yang baik dengan akurasi tinggi dan keseimbangan pada metrik evaluasi lainnya. Selain itu, model mampu mengidentifikasi parameter klinis yang berpengaruh terhadap risiko penyakit jantung. Penelitian ini berkontribusi dalam pengembangan sistem prediksi berbasis kecerdasan buatan yang dapat dimanfaatkan oleh tenaga medis sebagai alat bantu diagnosis serta oleh masyarakat untuk deteksi dini penyakit jantung. Penelitian selanjutnya dapat mengembangkan model dengan dataset yang lebih besar dan metode optimasi yang lebih kompleks.

Actions (login required)

View Item