Text
Perkembangan Model Prediksi Penentuan Penyakit Kandungan Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization
ABSTRAK
Kehamilan adalah proses alami yang dialami oleh wanita. Dalam proses ini tidak sedikit ibu mengalami gangguan kesehatan yang dapat meningkatkan jumlah angka kematian pada ibu dan bayi. Learning Vector Quantization (LVQ) dapat digunakan untuk melakukan prediksi berdasarkan pola tertentu. Dalam penelitian ini jaringan syaraf tiruan LVQ digunakan untuk memprediksi penyakit kandungan ke dalam empat jenis yaitu anemia, hyperemesis, kehamilan normal, dan pre eklampsi berdasarkan data kondisi ibu hamil. Penelitian ini menggunakan metode LVQ dengan beberapa kombinasi parameter antara lain penentuan bobot awal, learning rate (α) dengan nilai antara 0.01 sampai 0.09, dan error minimum (eps) dengan nilai antara 0.000001 sampai 0.01 untuk mengetahui pengaruh terhadap tingkat akurasi dan jumlah epoch. Penelitian ini menghasilkan tingkat akurasi pelatihan sebesar 95% dan akurasi pengujian sistem sebesar 100% dengan nilai α=0.01, eps=0.01 dan inisialisasi bobot awal yang diambil acak dari data yang mewakili tiap kelas.
Kata kunci : Kehamilan, Penyakit Kandungan, Prediksi, Learning Vector Quantization (LVQ)
ABSTRACT
Pregnancy is a natural process experienced by women. In this process not a few mothers experience health problems that can increase the number of maternal and infant mortality. Learning Vector Quantization (LVQ) can be used to make predictions based on certain patterns. In this research LVQ artificial neural network is used to predict the gynecology into four types of anemia, hyperemesis, normal pregnancy, and pre eklampsi based on data on the condition of pregnant women. This research used LVQ method with some combination of parameters such as determination of initial weight, learning rate (α) with value between 0.01 until 0.09, and minimum error (eps) with value between 0.000001 until 0.01 to know the effect on accuracy and epoch number. This research resulted training accuracy rate of 95% and system testing accuracy of 100% with alfa = 0.01, eps = 0.01 and weight initialization taken randomly from data that represent each class.
Keywords : Pregnancy, Gynecology, Prediction, Learning Vector Quantization (LVQ)
526F17IV | 006.32 CAT p | Perpustakaan FSM Undip (Referensi) | Tersedia |
Tidak tersedia versi lain