TEGUH SUPRAYITNO (2018) KLASIFIKASI PENYAKIT GANGGUAN ANXIETAS MENGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTORQUANTIZATION 2.1(LVQ2.1). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018276TIF.pdf Download (136kB) | Preview |
|
|
Text
2. PENGESAHAN_2018276TIF.pdf Download (258kB) | Preview |
|
|
Text
3. ABSTRAK_2018276TIF.pdf Download (174kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018276TIF.pdf Download (318kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018276TIF.pdf Download (210kB) | Preview |
|
|
Text
6. BAB I_2018276TIF.pdf Download (368kB) | Preview |
|
|
Text
7. BAB II_2018276TIF.pdf Download (652kB) | Preview |
|
|
Text
8. BAB III_2018276TIF.pdf Download (384kB) | Preview |
|
|
Text
9. BAB IV_2018276TIF.pdf Download (872kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018276TIF.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
11. BAB VI_2018276TIF.pdf Download (254kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018276TIF.pdf Download (317kB) | Preview |
Abstract
Klasifikasi Gangguan Anxietas merupakan suatu upaya yang dilakukan oleh dokter dalam rangka untuk mengetahui penyakit yang tepat yang dialami oleh pasien terkhusus penyakit gangguan Anxietas. Penanganan gangguan Anxietas harus dilakukan dengan cepat dan tepat agar mengetahui jenis-jenis penyakit gangguan Anxietas yang dialami apakah termasuk Fobia, Gangguan Panik, Gangguan Anxietas Menyeluruh, Gangguan Obsesif-Kompulsif, dan Gangguan Stres Pascatrauma. Dalam tugasakhir ini, penelitian dibangun sebuah sistem klasifikasi penyakit Gangguan Anxietas dengan menggunakan jaringan syaraf tiruan metode Learning Vector Quantization 2.1 (LVQ2.1). Masukkanyang digunakan yaitu gejala-gejala penyakit Gangguan Anxietas. Sedangkan Output terdiri dari 5 kelas yaitu Fobia, Gangguan Panik, Gangguan Anxietas Menyeluruh, Gangguan Obsesif-Kompulsif, dan Gangguan Stres Pasca trauma. Pengujian pada penelitian ini dilakukan dengan cara pengujian akurasi berdasarkan Learning Rate, Pengurangan Learning Rate, Minimal Learning Rate, Window dan pembagian data dengan pembagian 90% : 10%,70% : 30%dan 50% : 0%. Pada pengujian akurasi pembagian 90% : 10%,penggunaan Learning Rate 0.15, Pengurangan Learning Rate 0.05, Minimal Learning Rate0.1 dan Nilai Window 0.1 menghasilkan akurasi 100%. Kata kunci: Gejala-gejala Gangguan Anxietas,Jaringan Saraf Tiruan, Learning Vector Quantization2.1, Penyakit Gangguan Anxietas.
| 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: | 29 Jul 2019 01:51 |
| Last Modified: | 29 Jul 2019 01:51 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/16866 |
Actions (login required)
 |
View Item |