Text

Diagnosis Penderita Penyakit Hati Menggunakan Metode Learning Vector Quantization (LVQ)

---

ABSTRAK

Penyakit hati yang disebabkan oleh virus memiliki peringkat endemik tinggi di Indonesia. Penyakit hati yang sering diderita oleh masyarakat Indonesia adalah Hepatitis. Sekitar dua miliar penduduk dunia pernah terinfeksi virus Hepatitis B dan lebih dari 350 juta orang menderita Hepatitis B kronis, yang mengakibatkan tingginya peluang terkena sirosis (pengerasan organ hati), kegagalan hati, dan kanker hati. Beberapa negara sekarang menyadari besarnya beban penyakit dan merancang cara untuk mengatasinya. Untuk memudahkan diagnosis penderita penyakit hati digunakan sebuah metode jaringan syaraf tiruan LVQ. LVQ adalah suatu metode untuk melakukan klasifikasi sebuah pola berdasarkan permasalahan tertentu. Dalam tugas akhir ini LVQ digunakan untuk mendiagnosis penderita penyakit hati berdasarkan sejumlah kriteria yang menjadi alat ukur dalam penentuan hasil diagnosis. Tugas akhir ini menggunakan metode LVQ dengan parameter pengujian antara lain epoch maksimum, laju pembelajaran dan kesalahan minimum. Variabel yang digunakan terdiri atas 10 hasil tes laboratorium penyakit hati. Data yang digunakan diambil dari UC Irvine Machine Learning Reposithory sejumlah 570. Identifikasi data latih dan data uji menggunakan strategi K-Fold dengan K bernilai 10. Hasil pengujian LVQ pada aplikasi ini menghasilkan tingkat akurasi sebesar 72,1053% tingkat kesalahan 27,895%, sensitivitas sebesar 99,0244%, dan spesifisitas sebesar 3,125% dengan kombinasi parameter terbaik yang didapat yaitu laju pembelajaran (α) = 0,2, epsilon = 0,01, dan epoch maksimum 500, sehingga metode LVQ diharapkan dapat membantu dalam diagnosis penderita penyakit hati.
Kata Kunci : Penyakit Hati, Diagnosis, Jaringan Syaraf Tiruan, LVQ.
 
ABSTRACT

Liver disease caused by viruses has a high endemic rating in Indonesia. Liver disease that is often suffered by the people of Indonesia is Hepatitis. About two billion people in the world have been infected with the Hepatitis B virus and more than 350 million people suffer from chronic hepatitis B, which results in a high chance of developing cirrhosis (hardening of the liver), liver failure, and liver cancer. Many countries are only now realizing the magnitude of the disease burden and devising ways to address it. To facilitate the diagnosis of liver disease a LVQ artificial neural network method is used. LVQ is a method for classifying a pattern based on certain problems. In this final assignment LVQ is used to diagnose liver disease based on a number of criteria that become a measurement tool in determining the diagnosis results. This final project uses the LVQ method with test parameters including the maximum epoch, learning rate (α) and minimum error (epsilon). the variables used consisted of 10 results of liver disease laboratory tests. the data used was taken from UC Irvine Machine Learning Reposithory as much as 570. Identification of training data and test data using the K-Fold strategy with K value 10. The results of LVQ testing in this application resulted in an accuracy rate of 72.1053%, error rate 27.895%, sensitivity of 99.0244%, and the specificity of 3.125%, with the best combination of parameters obtained is the rate of learning (α) = 0.2, epsilon = 0.01, and the maximum epoch of 500, so the LVQ method is expected to help in the diagnosis of liver disease.
Keywords : Liver Disease, Diagnosis, Artificial Neural Network, LVQ.

---

Ketersediaan

0743F19III

743 F 19-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

743 F 19-ii

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

530.44

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Septian Yudi Pratama

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar