MERI LESTARI (2017) PENERAPAN GENETIC ALGORITHM-FEED FORWARD NEURAL NETWORK UNTUK MENDIAGNOSA PENYAKIT LAMBUNG. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER.pdf Download (119kB) | Preview |
|
|
Text
2. PENGESAHAN.pdf Download (1MB) | Preview |
|
|
Text
3. ABSTRAK.pdf Download (92kB) | Preview |
|
|
Text
4. KATA PENGANTAR.pdf Download (247kB) | Preview |
|
|
Text
5. DAFTAR ISI.pdf Download (182kB) | Preview |
|
|
Text
6. BAB I.pdf Download (280kB) | Preview |
|
|
Text
7. BAB II.pdf Download (458kB) | Preview |
|
|
Text
8. BAB III.pdf Download (383kB) | Preview |
|
|
Text
9. BAB IV.pdf Download (548kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V.pdf Restricted to Repository staff only Download (731kB) |
|
|
Text
11. BAB VI.pdf Download (175kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA.pdf Download (353kB) | Preview |
Abstract
Penyakit lambung merupakan penyakit yang sering dialami oleh manusia, ada banyak jenis penyakit lambung, diantaranya maag, dyspepsia, Gastroesophageal Reflux Disease(GERD), kanker lambung, tukak lambung dan masih banyak lagi. Diantara penyakit-penyakit lambung tersebut, penyakit maag, dyspepsiadan GERD memiliki gejala yang mirip, sehingga masyarakat pada umumnya hanya mengenal dengan nama penyakit maag saja tanpa memeriksakan ke dokter. Pada penelitian ini membahas klasifikasi penyakit lambung diantaranya dyspepsia, maag dan GERD dengan menerapkan metode genetic algorithm-feedforward neural network, yang mana genetic algorithmditerapkan sebagai optimasi bobot dan feedforward neural network sebagai artificial intelligenceuntuk memprediksi penyakit lambung. Penelitian ini dilakukan untuk mengklasifikasikan penyakit lambung dengan inputan yang terdiri dari 16 gejala penyakit lambung dan 3 kelas outputyaitu dyspepsia, maag dan GERD, dengan menggunakan 135 data latih dan 15 data uji. Hasil pengujian dengan nilai parameter menggunakan 1000 generasi dikombinasikan dengan jumlah individu (100,50,10), nilai peluang crossover(0.9, 0.5, 0.1) dan nilai peluang mutasi (0.2, 0.1, 0.05, 0.01, 0.001) dapat mencapai rata-rata persentase akurasi sebesar 86.9624%, dan akurasi tertinggi dari hasil pengujian mencapai akurasi 100%. Dari hasil pengujian, dapat disimpulkan bahwa genetic algorithm-feedforward neural networkdapat mendiagnosa penyakit lambung dengan baik.Kata Kunci:dyspepsia, generasi ,GERD, individu, maag
| 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 Aug 2019 04:10 |
| Last Modified: | 26 Aug 2019 04:10 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/18157 |
Actions (login required)
 |
View Item |