Klasifikasi Stroke Berdasarkan Kelainan Patologis dengan Learning Vector Quantization

Abstract

Dampak yang ditimbulkan stroke diantaranya kelumpuhan sebagian atau keseluruhan organ tubuh sampai kematian. Tingginya angka kematian akibat stroke disebabkan karena penanganan yang lambat. Diagnosis stroke harus dilakukan dengan cepat dan tepat agar segera mengetahui tipe klasifikasi patologinya termasuk dalam stroke infark atau hemorrhagic guna pemberian tindakan medis dan obat yang tepat pula. Prosedur wajib atau Gold Standart Procedure untuk klasifikasi stroke menggunakan Computed Tomograph Scan atau Magnetic Resonance Imaging, permasalahannya di Indonesia terkendala biaya yang mahal dan tidak semua rumah sakit memilikinya. Jika prosedur standar tidak dapat dilakukan maka diagnosis stroke dapat dilakukan melalui analisis terhadap data klinis pasien. Data klinis terdiri dari 32 fitur berisi tentang hasil pemeriksaan fisik, gejala yang dirasakan pasien, riwayat penyakit dan pemeriksaan laboratorium darah. Dalam penelitian ini diusulkan sebuah klasifikasi stroke secara komputerisasi menggunakan metode Learning Vector Quantization yang merupakan pengembangan dari Kohonen Self-Organizing Map, bersifat supervised dan competitive learning, struktur jaringannya single layer-net. Hasil dari penelitian ini tingkat akurasinya mencapai 96%. Uji diagnosis ditunjukkan dengan nilai Area Under Curve (AUC) sebesar 0,952 yang tergolong dalam kategori excellent.Kata Kunci— Klasifikasi, Stroke, Learning Vector Quantization.