Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

PENERAPAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION 3 (LVQ3) UNTUK KLASIFIKASI PENDERITA TUBERCULOSIS

SHINTA ELNITA (2018) PENERAPAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION 3 (LVQ3) UNTUK KLASIFIKASI PENDERITA TUBERCULOSIS. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018560TIF.pdf

Download (119kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018560TIF.pdf

Download (972kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018560TIF.pdf

Download (93kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018560TIF.pdf

Download (8MB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018560TIF.pdf

Download (199kB) | Preview
[img]
Preview
Text
6. BAB I_2018560TIF.pdf

Download (112kB) | Preview
[img]
Preview
Text
7. BAB II_2018560TIF.pdf

Download (450kB) | Preview
[img]
Preview
Text
8. BAB III_2018560TIF.pdf

Download (231kB) | Preview
[img]
Preview
Text
9. BAB IV_2018560TIF.pdf

Download (685kB) | Preview
[img] Text
10. BAB V_2018560TIF.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
11. BAB VI_2018560TIF.pdf

Download (230kB) | Preview
[img]
Preview
Text
12. DAFTAR PUSTAKA_2018560TIF.pdf

Download (236kB) | Preview

Abstract

Penyakit Tuberculosis(TB) merupakan penyakit infeksi kronis dan masuk dalam 10 besar penyakit penyebab kematian di dunia. Indonesia menduduki posisi kedua dengan penderita TB terbanyak. Perjalanan penyakit TB yang lambat menyebabkan keterlambatan dalam mendapat diagnosis. Penelitian ini membangun sebuah sistem klasifikasi penderita TB dengan menerapkan Jaringan Syaraf Tiruan Learning Vector Quantization 3 (LVQ3). Penderita TB dapat diklasifikasi berdasarkan 330 data pasien dan 11 gejala yang diperoleh dari RSUD Bangkinang. Output terdiri dari 2 target yaitu Pasien Suspek TB dan Pasien Tidak Suspek TB. Penelitian ini membagi data latih dan data uji menjadi 3 variasi yaitu 90%:10%, 80%:20% dan 70%:30% dengan parameter learning rate 0.025, 0.05 dan 0.05. Berdasarkan hasil penelitian menggunakan LVQ3, didapatkan hasil akurasi terbaik 95.45% menggunakan ketiga learning rate pada pembagian data latih dan data uji 70%:30%. Oleh karena itu dapat disimpulkan bahwa LVQ3 dapat digunakan untuk mengklasifikasi penderita TB. Kata Kunci: Jaringan Syaraf Tiruan, Learning Vector Quantization 3, Tuberculosis

Item Type: Thesis (Skripsi)
Subjects: 600 Teknologi dan Ilmu-ilmu Terapan
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ms. Nilam Badriyah
Date Deposited: 26 Jul 2019 02:45
Last Modified: 26 Jul 2019 02:45
URI: http://repository.uin-suska.ac.id/id/eprint/16830

Actions (login required)

View Item View Item