BKG

Agustin, Suryani (2018) Klasifikasi Berat Badan Lahir Rendah (BBLR) Pada Bayi Dengan Metode Learning Vector Quantization (LVQ). Sarjana thesis, Universitas Brawijaya.

Indonesian Abstract

Berat Badan Lahir Rendah (BBLR) adalah kondisi dari seorang bayi lahir dengan berat badan kurang dari 2500 gram. BBLR dapat terjadi pada kondisi bayi prematur maupun mature. Penyebab dari BBLR sendiri sangat beragam diantaranya yaitu usia ibu hamil, jarak antar kehamilan, jumlah kehamilan sebelumnya, kandungan gizi, kadar hemoglobin dan pendidikn terakhir dari ibu hamil juga turut berperan menjadi penyebab BBLR. BBLR merupakan salah satu faktor dari kematian pada bayi di Indonesia. Pencegahan dan penanganan pada ibu hamil saat mengetahui akan melahirkan bayi dengan kondisi BBLR sangat diperlukan, untuk mengurangi angka kematian saat proses kelahiran. Diharapkan dengan adanya sistem klasifikasi berat badan lahir rendah pada bayi ini dapat membantu untuk mengidentifikasi kondisi bayi pada ibu hamil sebelum bayi dilahirkan. Penelitian ini menggunakan metode Learning Vector Quantization (LVQ) dengan 96 data dan 6 fitur yaitu usia, pendidikan, paritas, interval kelahiran, hemoglobin dan status gizi. Dan akan diklasifikasikan ke dalam dua kelas yaitu kelas kasus yang berarti bayi lahir dengan BBLR dan kelas kontrol yang berarti bayi lahir tidak mengalami BBLR. Berdasarkan hasil pengujian yang dilakukan, sistem menghasilkan rata-rata akurasi sebesar 60.5% dengan menggunakan parameter optimal yaitu learning rate 0.1, pengurang learning rate 0.1 dan maksimum epoch sebanyak 5. Pada pengujian k-fold cross validation nilai akurasi tertinggi sebesar 58.3% dan untuk nilai akurasi rata-ratanya adalah 46.85%.

English Abstract

Low Birth Weight (LBW) is the condition of birth weight of baby less than 2500 grams. LBW can occur in the condition of premature and mature babies. The causes of LBW it self are various including the age of pregnant, the distance between pregnancies, the number of previous pregnancies, nutrient content, hemoglobin levels and last education of pregnant women also contributing to the cause of LBW. LBW is one of factor infant mortality in Indonesia. Prevention and treatment of pregnant women when they know they will give birth baby with LBW conditions are very necessary, to reduce mortality during the birth process. It is expected that the existence of a low birth weight classification system in infant can help to identify the condition of the baby in pregnant women before the baby is born. This research use Learning Vector Quantization (LVQ) method with 96 data and 6 features there are age, education, parity, birth interval, hemoglobin and nutritional status. And it will be classified into two classes, there are case class, which means the baby is born with LBW and control class which means the baby is born not having LBW. Based on the results of testing, the system produces an average accuracy is 60.5% using optimal parameters, there are learning rate 0.1, learning rate decrement 0.1 and maximum epoch is 5. In the k-fold cross validation testing the highest accuracy value is 58.3% and the average accuracy is 46.85%.

Other Language Abstract

UNSPECIFIED

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2018/1011/051900790
Uncontrolled Keywords: Klasifikasi, Berat Badan Lahir Rendah, Bayi, Learning Vector Quantization-Classification, Low Birth Weight, Infant, Learning Vector Quantization
Subjects: 600 Technology (Applied sciences) > 618 Gynecology, obstetrics, pediatrics, geriatrics > 618.3 Diseases and complications of pregnancy > 618.397 Premature labor
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: soegeng
URI: http://repository.ub.ac.id/id/eprint/166941
Text
Suryani Agustin.pdf
Restricted to Repository staff only

Download

Actions (login required)

View Item View Item