RISKA ARDILA (2018) PENERAPAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION 3 (LVQ 3) DALAM PREDIKSI BERAT BAYI LAHIR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018103TIF.pdf Download (139kB) | Preview |
|
|
Text
2. PENGESAHAN_2018103TIF.pdf Download (564kB) | Preview |
|
|
Text
3. ABSTRAK_2018103TIF.pdf Download (93kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018103TIF.pdf Download (296kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018103TIF.pdf Download (286kB) | Preview |
|
|
Text
6. BAB I_2018103TIF.pdf Download (110kB) | Preview |
|
|
Text
7. BAB II_2018103TIF.pdf Download (645kB) | Preview |
|
|
Text
8. BAB III_2018103TIF.pdf Download (244kB) | Preview |
|
|
Text
9. BAB IV_2018103TIF.pdf Download (783kB) | Preview |
|
Text
10. BAB V_2018103TIF.pdf Restricted to Repository staff only Download (1MB) |
||
|
Text
11. BAB VI_2018103TIF.pdf Download (175kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018103TIF.pdf Download (209kB) | Preview |
Abstract
Berat Bayi Lahir adalah berat badan bayi yang ditimbang dalam waktu satu jam setelah lahir. Berat bayi lahir tergolong menjadi tiga yaitu Berat Bayi Lahir Rendah (BBLR), Berat Bayi Lahir Normal (BBLN) dan Berat Bayi Lahir Makrosomia (BBLM). Penelitian ini menerapkan Learning Vector Quantization 3 (LVQ3) dalam memprediksi berat bayi lahir. Berat bayi lahir dapat diprediksi dari 6 variabel yaitu kenaikan berat badan, status gizi, hemoglobin, tinggi fundus uteri, lingkar lengan atas, dan usia kehamilan. Jumlah data yang digunakan yaitu 156 data ibu hamil di Puskesmas Air Molek Tahun 2016. Pembagian data untuk melakukan proses pelatihan dan pengujian yaitu 70:30, 80:20 dan 90:10. Berdasarkan hasil penelitian yang telah dilakukan dengan (LVQ3) didapatkan hasil akurasi terbaik 93.75% pada pembagian data 90:10, nilai learning rate sebesar 0.01, 0.05 dan 0.09 dan window 0.2, 0.3 dan 0.5. Berhenti pada epoch 16 dengan minimum alpha sebesar 0.002. Oleh karena itu dapat disimpulkan bahwa Learning Vector Quantization3 (LVQ3) dapat memprediksi berat lahir bayi.Kata Kunci: Berat Bayi Lahir, Jaringan Syaraf Tiruan, Learning Vector Quantization3,Prediksi,Window.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | 000 Karya Umum |
Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
Depositing User: | Ms. Nilam Badriyah |
Date Deposited: | 25 Jul 2019 04:45 |
Last Modified: | 25 Jul 2019 04:45 |
URI: | http://repository.uin-suska.ac.id/id/eprint/16766 |
Actions (login required)
View Item |