SUSANTI AGUSTINA (2017) PENERAPAN JARINGAN SYARAF TIRUAN UNTUK KLASIFIKASI TINGKAT KEPARAHAN PENYAKIT INFEKSI SALURAN PERNAPASAN AKUT(ISPA) MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION 2.1 (LVQ 2.1). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER.pdf Download (415kB) | Preview |
|
|
Text
2. PENGESAHAN.pdf Download (403kB) | Preview |
|
|
Text
3. ABSTRAK.pdf Download (318kB) | Preview |
|
|
Text
4. KATA PENGANTAR.pdf Download (461kB) | Preview |
|
|
Text
5. DAFTAR ISI.pdf Download (354kB) | Preview |
|
|
Text
6. BAB I.pdf Download (270kB) | Preview |
|
|
Text
7. BAB II.pdf Download (551kB) | Preview |
|
|
Text
8. BAB III.pdf Download (450kB) | Preview |
|
|
Text
9. BAB IV.pdf Download (1MB) | Preview |
|
Text
10. BAB V.pdf Restricted to Repository staff only Download (1MB) |
||
|
Text
11. BAB VI.pdf Download (321kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA.pdf Download (388kB) | Preview |
Abstract
Penderita ISPA meningkat setiap tahunnyadi Provinsi Riau,salah satu penyebabnya adalah bencana kabut asap.Penyakit ISPA harus ditangani dengan tepat sesuaidiagnosa yang akurat.Diagnosa ISPA dilakukan secara manual dengan melihat gejala yang dialami pasien.Diagnosa ISPAterbagi atas 2 yaitu berdasarkan letak anatomi infeksi dan berdasarkan tingkat keparahan.Dalam penelitian tugas akhir ini, penulis membangun sebuah sistem diagnosa dan klasifikasi tingkat keparahan penyakit ispa menggunakan jaringan syaraf tiruan metode Learning vector quantization 2.1 (LVQ 2.1). Seluruh gejala tersebut diperoleh berdasarkan data rekam medis pasien penyakit ISPA di RSUD Petala Bumi. Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan metode Learning Vector Quantization 2.1 mampu mengenali pola dengan sangat baik dengan persentase akurasi mencapai 100 % dengan 135 data latih. Nilai parameter yang digunakan adalah learning rate(α) = 0.025, 0.035, 0.075, 0.085 pengurangan learning rate (α) = 0.05 minimal learning rate (α) = 0.01 dan nilai window (ε) = 0, 0.3, 0.4.Kata Kunci: Ispa, Jaringan Syaraf Tiruan,Learning Vector Quantization 2.1.
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: | 02 Sep 2019 06:40 |
Last Modified: | 02 Sep 2019 06:40 |
URI: | http://repository.uin-suska.ac.id/id/eprint/18834 |
Actions (login required)
View Item |