PENERAPAN RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) UNTUK KLASIFIKASI PENYAKIT KANKER SERVIKS

RILA GUSTIA, 11451201604 (2020) PENERAPAN RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) UNTUK KLASIFIKASI PENYAKIT KANKER SERVIKS. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
Laporan TA-RILA.pdf - Published Version

Download (8MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Kanker serviks adalah tumor ganas yang tumbuh di dalam leher rahim/serviks (bagian terendah dari rahim yang menempel pada puncak vagina). Di Indonesia, penyakit kanker serviks menduduki urutan kedua penyebab kematian wanita dengan angka kejadian 15.000 kasus baru terjadi setiap tahunnya, dengan angka kematian mencapai setengah dari kasus tersebut yaitu 7.500 kasus per tahun. Kanker serviks terbagi menjadi tiga kelas, yaitu stadium in-situ, stadium awal, dan stadium lanjut. Berdasarkan keterangan dokter, banyak yang menganggap gejala kanker serviks adalah hal biasa yang dialami wanita sehingga tidak dianggap berbahaya dan terdapat kesamaan gejala yang tidak diketahui bahwa gejala tersebut semakin parah. Oleh karena itu, dibuatlah suatu sistem untuk klasifikasi penyakit kanker serviks menggunakan Radial Basis Function Neural Network (RBFNN). Pada penelitian ini, data bersumber dari data rekam medis pasien kanker serviks di RSUD Arifin Achmad Pekanbaru dengan jumlah data sebanyak 200 data pasien. Dilakukan pengujian berdasarkan pembagian data, jumlah center, nilai spread, dan nilai threshold. Berdasarkan hasil pengujian didapat akurasi tertinggi pada pembagian data 90% data latih dan 10% data uji yaitu mencapai 90,48% dan error mencapai 9,52%.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 005 Program Komputer, program-program, data
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 06 Jan 2020 02:10
Last Modified: 06 Jan 2020 02:11
URI: http://repository.uin-suska.ac.id/id/eprint/24236

Actions (login required)

View Item View Item