Literature Review: Pendekatan Multilayer Perceptron Untuk Klasifikasi Data Pasien Stroke
Keywords:
Multilayer Perceptron, Literatur Review, Klasifikasi Stroke, Prediksi Stroke, Jaringan Saraf Tiruan, Kecerdasan BuatanAbstract
Stroke merupakan salah satu penyakit kardiovaskular yang menjadi penyebab utama kematian global. Penyakit ini memiliki tingkat morbiditas yang tinggi serta potensi menyebabkan kecacatan serius. Dalam upaya meningkatkan akurasi diagnosis, teknologi kecerdasan buatan, khususnya jaringan saraf tiruan, menunjukkan potensi besar. Multilayer Perceptron (MLP), salah satu metode pembelajaran mesin, banyak diterapkan dalam klasifikasi data medis, termasuk klasifikasi data pasien stroke. Melalui tinjauan literatur sistematis, penelitian ini menganalisis keunggulan, keterbatasan, dan tantangan dalam penggunaan MLP untuk mendeteksi dan mengklasifikasi data pasien stroke. Hasil tinjauan menunjukkan bahwa MLP memiliki keunggulan dalam akurasi dan sensitivitas dalam prediksi stroke dibandingkan dengan beberapa metode lainnya. Dengan demikian, penelitian ini diharapkan dapat menjadi referensi untuk pengembangan lebih lanjut dalam penerapan MLP di bidang medis, khususnya dalam sistem deteksi dini penyakit stroke.
References
Sutrisno, S. (2024). Analisa Klasifikasi Penyakit Diabetes Dengan Algoritma Neural Network. bit-Tech, 6(3), 303-310.
Nugroho, F. A. (2018). Perancangan Sistem Pakar Diagnosa Penyakit Jantung dengan Metode Forward Chaining. Jurnal Informatika Universitas Pamulang, 3(2), 75-79.
Pratama, A. A., Setiawan, F., Hidayat, M. S., Kumala, S. F., Saifudin, A., & Mulyati, S. (2021). Konsep Pengembangan Teknologi pada Health Assistant dengan Menciptakan Holo Buddy Bagi Masyarakat. Jurnal Informatika Universitas Pamulang, 6(3), 594-601.
Gunadi, I. A., Rizi, M. A., Putra, A. D., Manalu, A. A., & Rosyani, P. (2022). MENDIAGNOSA PENYEBAB PENYAKIT STROKE PADA PASIEN MENGGUNAKAN METODE BACKWARD CHAINING. BISIK: Jurnal Ilmu Komputer, Hukum, Kesehatan dan Sosial Humaniora, 1, 3: Oktober, 254-263.
Firmansyah, A., Irawan, C., Aziz, F. A., Sidhiq, R. F., & Rosyani, P. (2022). Analysis of the Use of Artificial Intelligence In The Health Sector With Literature Study Methods. BISIK: Jurnal Ilmu Komputer, Hukum, Kesehatan dan Sosial Humaniora, 1, 3: Oktober, 229-233.
Rahardiani, N. O., Mahmudy, W. F., & Indriati, I. (2018). Optimasi Bobot Multi-Layer Perceptron Menggunakan Algoritma Genetika Untuk Klasifikasi Tingkat Resiko Penyakit Stroke. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(8), 2352-2360.
Sakinah, N., Badriyah, T., & Syarif, I. (2020). Analisis Kinerja Algoritma Mesin Pembelajaran untuk Klarifikasi Penyakit Stroke Menggunakan Citra CT Scan. J. Teknol. Inf. dan Ilmu Komput, 7(4), 833.
Emon, M. U., Keya, M. S., Meghla, T. I., Rahman, M. M., Al Mamun, M. S., & Kaiser, M. S. (2020, November). Performance analysis of machine learning approaches in stroke prediction. In 2020 4th international conference on electronics, communication and aerospace technology (ICECA), pp. 1464-1469. IEEE.
Mariano, V., Tobon Vasquez, J. A., Casu, M. R., & Vipiana, F. (2022). Brain stroke classification via machine learning algorithms trained with a linearized scattering operator. Diagnostics, 13(1), 23.
Uppal, M., Gupta, D., Juneja, S., Gadekallu, T. R., El Bayoumy, I., Hussain, J., & Lee, S. W. (2023). Enhancing accuracy in brain stroke detection: Multi-layer perceptron with Adadelta, RMSProp and AdaMax optimizers. Frontiers in Bioengineering and Biotechnology, 11, 1257591.
Putra, L. S. A., Kusumawardhani, E., Nugraheni, P. W., Maleiva, L. T. N., & Gunawan, V. A. (2022). SISTEM IDENTIFIKASI DINI PENYAKIT STROKE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK. Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika, 16(2), 145-157.
Barus, E. S., Halim, J. E., & Yessica, S. (2023). COMPARATIVE ANALYSIS OF STROKE CLASSIFICATION USING THE K-NEAREST NEIGHBOR DECISION TREE, AND MULTILAYER PERCEPTRON METHODS. Jurnal Sistem Informasi dan Ilmu Komputer Prima (JUSIKOM PRIMA), 7(1), 155-167.
