JENNY HERINNA (2018) PENERAPAN JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION (RBF)UNTUK MENGKLASIFIKASIKAN TINGKAT PREEKLAMPSIA. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_201806TIF.pdf Download (158kB) | Preview
Preview	Text 2. PENGESAHAN_201806TIF.pdf Download (698kB) | Preview
Preview	Text 3. ABSTRAK_201806TIF.pdf Download (100kB) | Preview
Preview	Text 4. KATA PENGANTAR_201806TIF.pdf Download (289kB) | Preview
Preview	Text 5. DAFTAR ISI_201806TIF.pdf Download (196kB) | Preview
Preview	Text 6. BAB I_201806TIF.pdf Download (312kB) | Preview
Preview	Text 7. BAB II_201806TIF.pdf Download (490kB) | Preview
Preview	Text 8. BAB III_201806TIF.pdf Download (232kB) | Preview
Preview	Text 9. BAB IV_201806TIF.pdf Download (1MB) | Preview
	Text 10. BAB V_201806TIF.pdf Restricted to Repository staff only Download (1MB)
Preview	Text 11. BAB VI_201806TIF.pdf Download (94kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_201806TIF.pdf Download (307kB) | Preview

Abstract

Preeklampsia merupakan kondisi komplikasi kehamilan dan persalinan pada ibu hamil yang ditandai dengan adanya peningkatan tekanan darah, protein urin, dan edema bahkansampai koma sehingga keadaan ini dapat membawa dampak buruk bagi ibu dan janin bahkan kematian. Penelitian ini menerapkan sebuah Jaringan Syaraf Tiruan yang mampu mengklasifikasikan tingkat preeklampsia dengan algoritma Radial Basis Function(RBF). Variabelyang digunakan yaitu tekanan darah sistolik,tekanan darah diastolik, protein urin, pembengkakan pada kaki dan tangan, usia kandungan, mual dan muntah, tubuh warna kuning, jumlah air seni, gangguan penglihatan, sakit kepala, pendarahan di retinamata,trombosit, nyerihati, kejang-kejang, koma, dan penimbunan edema. Jumlah data yang digunakan yaitu 175 data dengan pembagian data latih dan data uji adalah 70%:30%, 80%:20%, dan 90%:10%. Parameter RBF yang digunakan adalah nilai spread dengan nilai 1 sampai nilai spread 7. Arsitektur jaringan terdiri dari 16 neuron input layer, 16 neuron hidden layer dan 2 neuron output layer. Berdasarkan pengujian yang telah dilakukan, maka diperoleh akurasi tertinggi yaitu 94.11% dengan nilai error 5.89% yang terletak pada nilai spread 2 pembagian data 90% data latih dan 10% data uji. Oleh karena itu,dapat disimpulkan bahwa RBFdapat diterapkan untuk mengklasifikasikan tingkat preeklampsia.Kata Kunci : Jaringan Syaraf Tiruan,Klasifikasi, Preeklampsia, Radial Basis Function

Actions (login required)

View Item