Text

Implementasi Learning Vector Quantization 2 pada Deteksi Dini Kehamilan Risiko Tinggi

---

ABSTRAK
Kehamilan risiko tinggi adalah kehamilan yang dapat terjadi pada ibu hamil yang dapat
membahayakan ibu mapun janin dalam kandungan. Deteksi dini kehamilan risiko tinggi
diperlukan agar kehamilan berisiko dapat diketahui sedini mungkin. Penelitian ini bertujuan
untuk mengklasifikasikan kehamilan risiko tinggi menggunakan metode LVQ2, sehingga
dapat diketahui akurasi metode tersebut dan digunakan untuk mendeteksi dini kehamilan
risiko tinggi. Klasifikasi kehamilan pada penelitian ini terdiri atas kehamilan berisiko tinggi
dan kehamilan tidak berisiko tinggi. Atribut yang digunakan dalam klasifikasi ini berjumlah
11 atribut, yaitu umur, hamil ke, riwayat abortus, lingkar lengan atas, tinggi badan (TB),
berat badan (BB), jarak persalinan, hemoglobin (Hb), cara persalinan terakhir, riwayat
penyakit, dan hasil diagnosis kehamilan (berisiko tinggi atau tidak berisiko tinggi). Data
yang digunakan dalam penelitian ini adalah data ibu hamil sebanyak 100 data. Hasil
penelitian ini menunjukkan rata-rata akurasi terbaik sebesar 89% dengan nilai parameter
pembelajaran algoritma learning rate = 0.1, learning rate terkecil = 0.06, 0.07, dan 0.08,
pengurangan learning rate = 0.1, nilai window = 0.1, dan maximal epoch = 100.
Kata kunci : LVQ2, Kehamilan Risiko Tinggi, Jaringan Syaraf Tiruan.

ABSTRACT
A high-risk pregnancy is a pregnancy that can occur in pregnant women that can endanger
both the mother and the fetus in the womb. Early detection of high risk pregnancies is needed
so that risky pregnancies can be identified as early as possible. This study aims to classify
high risk pregnancies using the LVQ2 method, so that the accuracy of the method can be
known and used to detect high risk pregnancies early. Pregnancy classification in this study
consisted of high-risk and non-high-risk pregnancies. The attributes used in this
classification are 11 attributes, namely age, pregnancy to, history of abortion, upper arm
circumference, height (TB), weight (BB), distance of last childbirth, hemoglobin (Hb), mode
of last childbirth, history of disease, and pregnancy diagnosis results (high risk or not high
risk). The data used in this study are 100 pregnant women data. The results of this study
showed an average accuracy of 89% with the learning parameter value of learning rate
algorithm = 0.1, the smallest learning rate = 0.06, 0.07, and 0.08, reduction in learning rate
= 0.1, window value = 0.1, and maximal epoch = 100.
Keywords : LVQ2, High Risk Pregnancy, Artificial Neural Networks.

---

Ketersediaan

887F20IV

887 F 20-iv

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

887 F 20-iv

Penerbit

: ., 2020

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Miftakhul Jannah

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar