Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Rekayasa Fitur Jaringan Saraf Konvolusional Berbasis Algoritma Genetik untuk Mengoptimalkan Kinerja Prediksi Penyakit Jantung Koroner

Rektorat UDINUS 2024 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2024
Tujuan
Nomor
2575ae7a-1e69-480d-90af-0e0f2ef77618
Terbit
2026-10-30

Universitas Dian Nuswantoro melaksanakan penelitian mengenai optimalisasi prediksi dini penyakit jantung koroner melalui pendekatan rekayasa fitur jaringan saraf konvolusional berbasis algoritma genetik. Kegiatan ini melibatkan Hidayat, Erwin Yudi; Astuti, Yani Parti; Dewi, Ika Novita; Salam, Abu; Soeleman, Moch. Arief; Hasibuan, Zainal Arifin; dan Yousif, Ahmed Sabeeh sebagai peserta. Penelitian tersebut membahas keterbatasan teknik optimalisasi hiperparameter tradisional dalam deteksi penyakit jantung koroner dan mengkaji penggunaan algoritma genetik untuk mendukung peningkatan kinerja prediksi.

Metode yang digunakan memanfaatkan algoritma genetik untuk optimalisasi hiperparameter. Proses ini menelusuri ruang kombinatorial yang kompleks untuk mengidentifikasi konfigurasi bagi model jaringan saraf konvolusional. Information gain digunakan untuk optimalisasi seleksi fitur, sedangkan dataset penyakit jantung koroner diubah menjadi masukan yang menyerupai citra bagi arsitektur jaringan saraf konvolusional. Efektivitas pendekatan tersebut dibandingkan dengan strategi optimalisasi tradisional. Sumber menjelaskan bahwa penelitian ini mencakup tugas prediksi penyakit jantung koroner biner dan multikelas.

Temuan penelitian menunjukkan bahwa model jaringan saraf konvolusional berbasis algoritma genetik yang telah dioptimalkan mengungguli metode tradisional dan menghasilkan peningkatan akurasi. Model tersebut mencapai akurasi puncak 85% dalam optimalisasi hiperparameter. Ketika diintegrasikan dengan naïve Bayes, support vector machine, decision tree, logistic regression, dan random forest, model mencapai akurasi 100% untuk tugas prediksi penyakit jantung koroner biner dan multikelas.

Penelitian menyimpulkan bahwa integrasi algoritma genetik ke dalam rekayasa fitur jaringan saraf konvolusional meningkatkan akurasi prediksi penyakit jantung koroner. Pendekatan tersebut dijelaskan memiliki tingkat keandalan prediktif yang tinggi dan berpotensi berkontribusi pada layanan kesehatan berbasis kecerdasan buatan, dengan kemungkinan penerapan klinis untuk deteksi dini penyakit jantung koroner. Pekerjaan mendatang akan berfokus pada perluasan pendekatan terhadap himpunan data penyakit jantung koroner yang lebih luas dan pertimbangan integrasi dengan teknologi wearable untuk pemantauan kesehatan berkelanjutan. Kegiatan ini menjadi bukti kelembagaan mengenai penelitian prediksi terkait kesehatan melalui metode kecerdasan buatan.

Rujukan https://www.scopus.com/pages/publications/85202585963?origin=resultslist