View/Open

Author
KHALDA, LUTHFI AZZIRA

Date Published
20 Feb 2026

Advisor
Mika Alvionita S, S.Si., M.Si.,
Ardika Satria, S.Si., M.Si.,

Subject
Sains Data

Publisher

Sepsis neonatorum merupakan infeksi serius pada bayi baru lahir yang menjadi salah satu penyebab utama tingginya angka kematian bayi. Penegakan diagnosis sepsis neonatorum saat ini umumnya dilakukan melalui pemeriksaan laboratorium dan kultur darah, namun metode tersebut membutuhkan waktu yang relatif lama sehingga berisiko menunda penanganan. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem klasifikasi sepsis neonatorum secara cepat dan akurat menggunakan pendekatan Tab2Visual dengan model 1D Convolutional Neural Network (1D-CNN) dan transfer learning EfficientNetV2-B0. Data yang digunakan berupa data tabular hasil pemeriksaan laboratorium patologi klinik bayi di Ruang Perinatologi RSUD Abdul Moeloek, yang terdiri dari sembilan parameter klinis, dengan dua kelas sepsis, yaitu awitan dini dan awitan lambat. Pemodelan dilakukan sebanyak delapan percobaan, dan model terbaik diperoleh pada arsitektur 1D-CNN dengan nilai akurasi pengujian sebesar 97,8

URI
https://repo.itera.ac.id/depan/submission/SB2602210007

Keyword
1D-CNN EfficientNetV2-B0 Klasifikasi Sepsis neonatorum Tab2Visual