Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Application of Extreme Learning Machine Method With Particle Swarm Optimization to Classify of Heart Disease

IJCCS (Indonesian Journal of Computing and Cybernetics Systems) · Vol. 17 No. 3 (2023) · pp. 281–290

DOI
10.22146/ijccs.86291
ISSN
2460-7258, 1978-1520
Published
2023-07-31
Publisher
IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.
Language
eng
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Penyakit jantung koroner adalah tersumbatnya suplai darah jantung. Penyakit jantung adalah penyebab utama kematian di seluruh dunia. Berbagai faktor risiko berkontribusi terhadap penyakit jantung, termasuk merokok, gaya hidup tidak sehat, kolesterol tinggi, dan hipertensi. Dengan demikian, prediksi penyakit dapat dilakukan untuk mengidentifikasi individu yang berisiko guna mencegah peningkatan kematian akibat penyakit jantung. Penambangan data, khususnya metode Extreme Machine Learning (ELM), biasanya digunakan untuk tujuan ini. ELM adalah metode jaringan saraf dalam kecepatan pelatihan dan tidak memerlukan propagasi balik, dan menentukan jumlah node tersembunyi yang optimal dan mencapai hasil yang akurat tetap menjadi tantangan. Pada penelitian ini, ELM dengan Particle Swarm Optimization (PSO) diusulkan untuk mengoptimalkan klasifikasi penyakit jantung, yang bertujuan untuk mencapai hasil optimal dengan pembelajaran cepat. Penelitian ini mengikuti proses yang sistematis, termasuk pengumpulan data, preprocessing, pemodelan, dan evaluasi menggunakan analisis matriks konfusi. Hasil dan pembahasan menyajikan efektivitas metode yang diusulkan dengan mengevaluasi akurasi klasifikasi berdasarkan berbagai parameter, seperti ukuran populasi, jumlah node tersembunyi, dan iterasi. Temuan menunjukkan bahwa ELM dengan optimasi PSO dapat memberikan hasil klasifikasi yang akurat untuk diagnosis penyakit jantung, dengan tingkat akurasi yang menjanjikan.

Keywords

Collaboration network of the authors

23 authors · 76 co-authorship links · 4 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Lambung Mangkurat University
  • Universitas Mercu Buana Yogyakarta
  • Diponegoro University
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Dwi KartiniLambung Mangkurat University6
Irwan BudimanLambung Mangkurat University4
Friska AbadiLambung Mangkurat University4
Radityo Adi NugrohoLambung Mangkurat University3
Triando Hamonangan SaragihLambung Mangkurat University3
Annisa Salsabila AhdyaniLambung Mangkurat University2
Muhammad Amir NugrahaLambung Mangkurat University2
MuliadiAffiliation unknown2
Siti Roziana AzizahLambung Mangkurat University2
Putri NabellaAffiliation unknown2
Setyo Wahyu SaputroLambung Mangkurat University2
Putri NabellaLambung Mangkurat University2
Salsha FarahdibaLambung Mangkurat University1
Nitami Lestari PutriDiponegoro University1
Deni KurniaLambung Mangkurat University1
Muhammad FikriUniversitas Mercu Buana Yogyakarta1
Radityo Adi NugrohoAffiliation unknown1
Setyo Wahyu SaputroAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://journal.ugm.ac.id/ijccs/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Application of Extreme Learning Machine Method With Particle Swarm Optimization to Classify of Heart Disease</dc:title>
	<dc:creator>Ariyanti, Adela Putri</dc:creator>
	<dc:creator>Mazdadi, Muhammad Itqan</dc:creator>
	<dc:creator>Farmadi, Andi -</dc:creator>
	<dc:creator>Muliadi, Muliadi</dc:creator>
	<dc:creator>Herteno, Rudy</dc:creator>
	<dc:subject xml:lang="en-US">Department of Science and Mathematics; Universitas Lambung Mangkurat; Banjarmasin; Indonesia</dc:subject>
	<dc:subject xml:lang="en-US">Heart Disease, Extreme Learning Machine; Particle Swarm Optimization</dc:subject>
	<dc:description xml:lang="en-US">Penyakit jantung koroner adalah tersumbatnya suplai darah jantung. Penyakit jantung adalah penyebab utama kematian di seluruh dunia. Berbagai faktor risiko berkontribusi terhadap penyakit jantung, termasuk merokok, gaya hidup tidak sehat, kolesterol tinggi, dan hipertensi. Dengan demikian, prediksi penyakit dapat dilakukan untuk mengidentifikasi individu yang berisiko guna mencegah peningkatan kematian akibat penyakit jantung. Penambangan data, khususnya metode Extreme Machine Learning (ELM), biasanya digunakan untuk tujuan ini. ELM adalah metode jaringan saraf dalam kecepatan pelatihan dan tidak memerlukan propagasi balik, dan menentukan jumlah node tersembunyi yang optimal dan mencapai hasil yang akurat tetap menjadi tantangan. Pada penelitian ini, ELM dengan Particle Swarm Optimization (PSO) diusulkan untuk mengoptimalkan klasifikasi penyakit jantung, yang bertujuan untuk mencapai hasil optimal dengan pembelajaran cepat. Penelitian ini mengikuti proses yang sistematis, termasuk pengumpulan data, preprocessing, pemodelan, dan evaluasi menggunakan analisis matriks konfusi. Hasil dan pembahasan menyajikan efektivitas metode yang diusulkan dengan mengevaluasi akurasi klasifikasi berdasarkan berbagai parameter, seperti ukuran populasi, jumlah node tersembunyi, dan iterasi. Temuan menunjukkan bahwa ELM dengan optimasi PSO dapat memberikan hasil klasifikasi yang akurat untuk diagnosis penyakit jantung, dengan tingkat akurasi yang menjanjikan.</dc:description>
	<dc:publisher xml:lang="en-US">IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.</dc:publisher>
	<dc:contributor xml:lang="en-US">Adela Putri Ariyanti, Universitas Lambung Mangkurat, Departement of Computer Science</dc:contributor>
	<dc:date>2023-07-31</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US"></dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.ugm.ac.id/ijccs/article/view/86291</dc:identifier>
	<dc:identifier>10.22146/ijccs.86291</dc:identifier>
	<dc:source xml:lang="en-US">IJCCS (Indonesian Journal of Computing and Cybernetics Systems); Vol 17, No 3 (2023): July; 281-290</dc:source>
	<dc:source>2460-7258</dc:source>
	<dc:source>1978-1520</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.ugm.ac.id/ijccs/article/view/86291/36980</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2023 IJCCS (Indonesian Journal of Computing and Cybernetics Systems)</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>