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

PENERAPAN FUZZY LEARNING VECTOR QUANTIZATION (FLVQ) UNTUK KLASIFIKASI PENYAKIT TELINGA, HIDUNG, DAN TENGGOROKAN

JEFRI HARTANTO, - (2020) PENERAPAN FUZZY LEARNING VECTOR QUANTIZATION (FLVQ) UNTUK KLASIFIKASI PENYAKIT TELINGA, HIDUNG, DAN TENGGOROKAN. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
GABUNGAN KECUALI BAB V.pdf

Download (6MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Repository staff only

Download (6MB)

Abstract

PENERAPAN FUZZY LEARNING VECTOR QUANTIZATION (FLVQ) UNTUK KLASIFIKASI PENYAKIT TELINGA, HIDUNG, DAN TENGGOROKAN JEFRI HARTANTO 11351104643 Tanggal Sidang: 13 Agustus 2020 Periode Wisuda: Jurusan Teknik Informatika Fakultas Sains Dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau ABSTRAK Penyakit telinga, hidung, tenggorokan merupakan penyakit yang banyak dijumpai di Indonesia. Sebagian besar masyarakat kurang mengetahui macam-macam penyakit yang menyerang telinga hidung tenggorokan (THT). Terkadang, masyarakat umum sulit untuk menyimpulkan jenis penyakit THT yang dideritanya. Selain itu, apabila tidak segera ditangani, maka akan memperburuk kondisi kesehatan penderita. Jumlah penyakit THT berjumlah 53 jenis penyakit diantaranya terbagi dari 13 jenis penyakit hidung, 27 jenis penyakit telinga dan 13 jenis penyakit tenggorokan Karena banyaknya jenis penyakit THT dapat dilakukan penelitian untuk mendiagnosa atau mengklasifikasikan jenis penyakit THT bedasarkan gejala yang diidap pasien. maka dilakukan penelitian dengan judul penerapaan Fuzzy Learning Vector Quantization(FLVQ) untuk klasifikasi penyakit THT. Parameter yang digunakan sebanyak 22 parameter yang mempengaruhi jenis penyakit yang dikelompokkan menjadi enam jenis penyakit. Variasi parameter yang digunakan adalah mi = 3, mi = 4, mi = 5, mi = 6, dan N = 100, dengan perbandingan data latih dan data uji 90:10, 80:20, dan 70:30. Hasil akhir pengujian menunjukkan hasil akurasi tertinggi yaitu 80% pada variasi parameter mi = 3 dengan perbandingan data latih dan data uji 90:10. Dengan demikian, dapat disimpulkan bahwa metode Fuzzy Learning Vector Quantization mampu mengenali kualitas air air sungai berdasarkan 22 parameter yang mempengaruhinya. Kata Kunci : Fuzzy Learning Vector Quantixation (FLVQ), Klasifikasi, THT, Jaringan Syaraf Tiruan (JST).

Item Type: Thesis (Skripsi)
Subjects: 600 Teknologi dan Ilmu-ilmu Terapan > 620 Ilmu Teknik
000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 10 Sep 2020 02:13
Last Modified: 10 Sep 2020 02:13
URI: http://repository.uin-suska.ac.id/id/eprint/30289

Actions (login required)

View Item View Item