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

PENERAPAN LEARNING VECTOR QUANTIZATION 2.1UNTUK KLASIFIKASI TINGKAT PREEKLAMPSIA PADA IBU HAMIL

ROVI NOVITASARI (2017) PENERAPAN LEARNING VECTOR QUANTIZATION 2.1UNTUK KLASIFIKASI TINGKAT PREEKLAMPSIA PADA IBU HAMIL. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER.pdf

Download (345kB) | Preview
[img]
Preview
Text
2. PENGESAHAN.pdf

Download (367kB) | Preview
[img]
Preview
Text
3. ABSTRAK.pdf

Download (99kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR.pdf

Download (287kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI.pdf

Download (244kB) | Preview
[img]
Preview
Text
6. BAB I.pdf

Download (255kB) | Preview
[img]
Preview
Text
7. BAB II.pdf

Download (1MB) | Preview
[img]
Preview
Text
8. BAB III.pdf

Download (530kB) | Preview
[img]
Preview
Text
9. BAB IV.pdf

Download (1MB) | Preview
[img] Text
10. BAB V.pdf
Restricted to Repository staff only

Download (833kB)
[img]
Preview
Text
11. BAB VI.pdf

Download (183kB) | Preview
[img]
Preview
Text
12. DAFTAR PUSTAKA.pdf

Download (260kB) | Preview

Abstract

Preeklampsiamerupakan salah satu penyakit yang menjadi salah satu penyebab kematian tertinggi pada ibu hamil.Salah satu ciri dari preeklampsia ditandai dengan terjadinya peningkaan tekanan darah secara signifikan.Preeklampsia diklasifikasikan kedalam tiga kelas. Untuk mengetahui klasifikasi dari preeklampsia ini peneliti membangun model Jaringan Syaraf Tiruan meggunakan algoritma Learning Vector Quantization 2.1. Variabel-variabel yang digunakan dalam klasifikasi ini terdiri dari 17 variabel. Kelas klasifikasi dari preeklampsia terdiri daripreeklampsiaringan, preeklampsiaberat dan eklampsia.Sampel pada penelitian ini menggunakan data sekunder sebanyak 150.Dalam proses klasifikasipenyakit preeklampsiadilakukan pengujianterhadapdata latih dan data uji sehingga dapat di ketahui nilai akurasi dari sistem ini. Dari hasil pengujianberdasarkan perbandingan jumlah data latih dan data ujimenunjukkan nilai persentase akurasi pengujian sebesar 83.33%.Dengan demikian dapat disimpulkan Learning Vector Quantization2.1 mampu mengenali pola dan mampu mengklasifikasi tingkat preeklampsiapada ibu hamil.Kata Kunci:Preeklampsia, Jaringan Syaraf Tiruan, LVQ2.1

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: 28 Aug 2019 07:52
Last Modified: 28 Aug 2019 07:52
URI: http://repository.uin-suska.ac.id/id/eprint/18593

Actions (login required)

View Item View Item