Waskito, Stefanus Bayu (2018) Implementasi Algoritme Extreme Learning Machine (ELM) untuk Klasifikasi Penanganan Human Papilloma Virus (HPV). Sarjana thesis, Universitas Brawijaya.
Abstract
Human Papilloma Virus merupakan virus yaxng umumnya menyebabkan kutil dan mata ikan. Human Papilloma Virus memiliki metode penanganan yang cukup banyak namun penanganan dengan menggunakan Imunnotherapy dan Cryotherapy. Didasarkan dari banyaknya metode penanganan Human Papilloma Virus makan dilakukan penelitian guna mengklasifikasikan metode penanganan Human Papilloma Virus yang paling tepat berdasarkan parameter gejala yang ada. Pada penelitian dengan menggunakan metode Extreme Learning Machine untuk klasifikasi metode penanganan Human Papilloma Virus dilakukan pengujian untuk mengetahuui pengaruh fungsi aktivasi , jumlah hidden neuron dan rasio data terhadap akurasi dari hasil klasifikas. Selain itu juga dilakukan pengujian terhadap pengaruh jumlah hidden neuron terhadap lama waktu proses klasifikasi. Berdasarkan dari hasil pengujian yang dilakukan, akurasi yang didapatkan sistem dalam klasifikasi metode penanganan Human Papilloma Virus memiliki akurasi yang baik dengan akurasi sebesar 70,8% dengan menggunakan fungsi aktivasi Sigmoid Biner, rasio data latih uji 80:20 dan hidden neuron 10 buah. Selain itu waktu yang diperlukan untuk melakukan klasifikasi berdasarkan parameter terbaik memiliki waktu yang cukup cepat dengan waktu selama 0,043 detik.
English Abstract
Human Papilloma is a virus that cause warts ilness. There are several treatment methods, but Immunotherapy and Cryotherapy are considered to be the best method to treat this ilness. However, none of them can heal all patients. Therefore, research to determine which method more appropriate for a certain patient is required. This research use Extreme Learning Machine Algorithm to help classify which method are better for certain patient. A tests is conducted to determine the effects of activation function, number of hidden neuron and and data ratio toward classification accuracy. It was observed that using Binary Sigmoid activation function, 80 testing data to 20 training data ratio, and 10 hidden neuron, the classification accuraccy reach 70,8%. And the classification time spent were relatively fast that is only 0.043 seconds.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/730/051808643 |
| Uncontrolled Keywords: | human papilloma virus, classification, cryotherapy, imunnotherapy, extreme learning machine |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 31 Jan 2019 07:10 |
| Last Modified: | 22 Oct 2021 03:19 |
| URI: | http://repository.ub.ac.id/id/eprint/13965 |
Preview |
Text
Stefanus Bayu Waskito.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |