Wicaksono, Yulfa Hadi (2018) Identifikasi Awal Pengguna Narkoba Menggunakan Metode Learning Vector Quantization (LVQ). Sarjana thesis, Universitas Brawijaya.
Abstract
Penyalahgunaan narkoba merupakah salah satu masalah yang besar bagi Negara Indonesia. Hal itu dikarenakan pengguna narkoba dapat menyebabkan gangguan kejiwaan, kesehatan bahkan kematian. Dari berbagai survey yang dilakukan, jumlah kasus pengguna narkoba setiap tahunnya semakin meningkat. Pada penelitian ini akan mencoba melakukan identifikasi awal untuk pengguna narkoba dengan metode Learning Vector Quantization. Penelitian ini menggunakan data pengguna narkoba dari Badan Narkotika Nasional (BNN) Kabupaten Malang. Dari yang digunakan sebanyak 119 data yang ada dibagi lagi menjadi 3 bagian. Terdapat 4 data untuk vektor bobot awal, 103 untuk data latih dan 12 untuk data uji. Lalu pada data ini memiliki 16 parameter dan 4 kelas. Pada penelitian ini melakukan 6 pengujian, menghasilkan 0,1 untuk nilai learning rate dengan nilai rata-rata akurasi sebesar 74,8%. Lalu 0,9 untuk pengali learning rate dengan nilai rata-rata akurasi sebesar 79,8%. Kemudian 0,01 untuk minimum learning rate dengan nilai rata-rata akurasi sebesar 79,8%. Jumlah data latih 60% dengan nilai rata-rata akurasi sebesar 86,2%. Maksimum iterasi bernilai 14 dengan nilai rata-rata akurasi sebesar 86,2%. Lalu untuk pemberhentian pelatihan LVQ pada kondisi mana yang terbaik yaitu pada maksimum iterasi 14. Oleh karena itu kondisi minimum learning rate dapat diabaikan. Dari nilai-nilai tersebut setelah dilakukan pengujian K-Fold Cross Validation diperoleh rata-rata akurasi akhir yang didapatkan sebesar 78,4%.
English Abstract
Drug abuse is one of the major problems for Indonesian country. This is due to drug users can cause psychiatric disorders, health and even death. From various surveys conducted, the number of cases of drug users increase every time. In this study, the research will try to do initial identification for users with Learning Vector Quantizationmethod. This study uses the data of drug users from Badan Narkotika Nasional (BNN) in Malang Regency. From 119 data, there will be divided into 3 parts. There are 4 data for initial weight vectors, 103 for training data and 12 for test data. Then, in this data have 16 parameters and 4 classes. In this study, 6 tests were performed, resulting in 0.1 for the learning level with an average score of 74.8%. Then, 0.9 for a learning rate multiplier with an average rating of 79.8%. Then, 0.01 for the minimum level of learning with an average grade. The amount of training data is 60% with average value. The maximum of 14 lawer iterations with average values. Then, for LVQ training stops on which best condition is at maximum iteration 14. Therefore, the minimum of learning rate condition can be ignored. From those results, the average of final accuracy after testing with K-Fold Cross Validation is 78.4%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/228/051801321 |
| Uncontrolled Keywords: | Narkoba, Identifikasi Awal, Learning Vector Quantization |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 25 May 2018 01:00 |
| Last Modified: | 27 Oct 2021 04:13 |
| URI: | http://repository.ub.ac.id/id/eprint/11027 |
Preview |
Text
BAB VI.pdf Download (917kB) | Preview |
Preview |
Text
BAB V.pdf Download (898kB) | Preview |
Preview |
Text
Bagian Depan.pdf Download (1MB) | Preview |
Preview |
Text
Daftar Pustaka.pdf Download (544kB) | Preview |
Preview |
Text
Lampiran.pdf Download (1MB) | Preview |
Preview |
Text
BAB VII.pdf Download (543kB) | Preview |
Preview |
Text
BAB I.pdf Download (570kB) | Preview |
Preview |
Text
BAB II.pdf Download (1MB) | Preview |
Preview |
Text
BAB III.pdf Download (556kB) | Preview |
Preview |
Text
BAB IV.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |