PENERAPAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION 3 (LVQ 3) DALAM PREDIKSI BERAT BAYI LAHIR

RISKA ARDILA, (2018) PENERAPAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION 3 (LVQ 3) DALAM PREDIKSI BERAT BAYI LAHIR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018103TIF.pdf

Download (139kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018103TIF.pdf

Download (564kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018103TIF.pdf

Download (93kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018103TIF.pdf

Download (296kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018103TIF.pdf

Download (286kB) | Preview
[img]
Preview
Text
6. BAB I_2018103TIF.pdf

Download (110kB) | Preview
[img]
Preview
Text
7. BAB II_2018103TIF.pdf

Download (645kB) | Preview
[img]
Preview
Text
8. BAB III_2018103TIF.pdf

Download (244kB) | Preview
[img]
Preview
Text
9. BAB IV_2018103TIF.pdf

Download (783kB) | Preview
[img] Text
10. BAB V_2018103TIF.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
11. BAB VI_2018103TIF.pdf

Download (175kB) | Preview
[img]
Preview
Text
12. DAFTAR PUSTAKA_2018103TIF.pdf

Download (209kB) | Preview

Abstract

Berat Bayi Lahir adalah berat badan bayi yang ditimbang dalam waktu satu jam setelah lahir. Berat bayi lahir tergolong menjadi tiga yaitu Berat Bayi Lahir Rendah (BBLR), Berat Bayi Lahir Normal (BBLN) dan Berat Bayi Lahir Makrosomia (BBLM). Penelitian ini menerapkan Learning Vector Quantization 3 (LVQ3) dalam memprediksi berat bayi lahir. Berat bayi lahir dapat diprediksi dari 6 variabel yaitu kenaikan berat badan, status gizi, hemoglobin, tinggi fundus uteri, lingkar lengan atas, dan usia kehamilan. Jumlah data yang digunakan yaitu 156 data ibu hamil di Puskesmas Air Molek Tahun 2016. Pembagian data untuk melakukan proses pelatihan dan pengujian yaitu 70:30, 80:20 dan 90:10. Berdasarkan hasil penelitian yang telah dilakukan dengan (LVQ3) didapatkan hasil akurasi terbaik 93.75% pada pembagian data 90:10, nilai learning rate sebesar 0.01, 0.05 dan 0.09 dan window 0.2, 0.3 dan 0.5. Berhenti pada epoch 16 dengan minimum alpha sebesar 0.002. Oleh karena itu dapat disimpulkan bahwa Learning Vector Quantization3 (LVQ3) dapat memprediksi berat lahir bayi.Kata Kunci: Berat Bayi Lahir, Jaringan Syaraf Tiruan, Learning Vector Quantization3,Prediksi,Window.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ms. Nilam Badriyah
Date Deposited: 25 Jul 2019 04:45
Last Modified: 25 Jul 2019 04:45
URI: http://repository.uin-suska.ac.id/id/eprint/16766

Actions (login required)

View Item View Item