Not checkedNot checked for notices yet.
Perancangan Sistem Diagnosa Penyakit Saluran Pernapasan Menggunakan Metode Learning Vector Quantization (LVQ)
Zeth Arthur Leleury, Salmon Notje Aulele
Jurnal Matematika Integratif · 2017
doi:10.24198/jmi.v12.n1.10247.1-10 (opens in a new tab)
We email you when a new notice or a question about this paper appears.
Abstract
Jaringan saraf tiruan telah banyak digunakan untuk membantu menyelesaikan berbagai macam permasalahan dalam rangka pengambilan keputusan berdasarkan pelatihan yang diberikan. Aplikasi jaringan saraf tiruan dapat diterapkan dalam berbagai bidang, salah satunya dalam bidang kesehatan. Learning Vector Quantization (LVQ) adalah salah satu jenis jaringan saraf tiruan yang berbasis pembelajaran kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vektor-vektor input. Apabila vektor-vektor input memiliki jarak terdekat maka vektor-vektor input tersebut akan dikelompokkan dalam kelas yang sama. Dalam penelitian ini, metode LVQ diaplikasikan untuk mendiagnosa penyakit saluran pernapasan khususnya pada penyakit Tuberculosis, Asma, Sinusitis, Bronchitis, Pneumonia, dan ISPA berdasarkan gejala-gejala dari penyakit saluran pernapasan tersebut. Data yang digunakan dalam penelitian ini sebanyak 109 data, 60 data untuk pelatihan dan 49 data untuk pengujian. Data pada penelitian ini didapat dari ruang rekam medis RSUD Dr. M. Haulussy Ambon. Dari beberapa pengujian menunjukkan bahwa laju pelatihan ( ) = 0,1 dan reduksi laju pelatihan ( ) = 0,00001 menghasilkan nilai diagnosa terbaik dengan tingkat keakuratan sebesar 95,92%. Kata kunci: Diagnosa, Learning Vector Quantization, Penyakit Saluran Pernapasan
Abstract licence: CC BY-SA
Reads
Read by people on this page
None yet.
Checked or read by AI through naulon
None yet.
A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.
Are you an author?
Is this your paper?
Claim it to add your note and be paid when agents cite it. Free.