Desiani, Nurhidayati (2018) Implementasi Metode Learning Vector Quantization Untuk Klasifikasi Penyakit Demam. Sarjana thesis, Universitas Brawijaya.
Abstract
Demam adalah gejala penyakit yang pernah dialami oleh hampir semua orang. Demam adalah gejala awal dari berbagai macam penyakit. Dari berbagai penyakit tersebut, demam tifoid, demam malaria dan demam berdarah merupakan penyakit yang memiliki gejala awal yang mirip sehingga sulit untuk dibedakan. Masih banyak dokter-dokter muda dan tenaga medis sulit dalam mendeteksi lebih awal ketiga penyakit ini karena masih memiliki pengalaman yang kurang. Kemiripan gejala dari masing-masing penyakit sering menimbulkan kesulitan dalam mendapatkan anamnese (diagnosa sementara) sehingga pasien mendapatkan penanganan awal yang kurang tepat dan semakin memperburuk kondisi pasien. Untuk mengatasi hal tersebut dibutuhkan suatu sistem yang dapat mempermudah dalam mengidentifikasi penyakit berdasarkan gejala-gejala yang dirasakan oleh pasien. Pada penelitian ini menggunakan metode Learning Vector Quantization yang merupakan metode klasifikasi yang digunakan untuk menentukan kelas dari data uji dengan menghitung jarak terdekat data uji terhadap bobot setiap kelas. Parameter yang digunakan adalah 15 parameter gejala dari penyakit demam. Sistem bekerja dengan tahapan pelatihan dan pengujian yang akan menghasilkan kelas berupa kelas demam tifoid, demam malaria dan demam berdarah. Hasil rata-rata akurasi terbaik yaitu 100% dengan menggunakan perbandingan data uji dan data latih sebesar 10:90, laju pembelajaran 0,1, konstanta pengurang laju pembelajaran 0,1, laju pembelajaran minimum 10-5, dan jumlah iterasi maksimum 10.
English Abstract
Fever is a symptom of disease that has been experienced by almost people in the world. Fever is the initial indication from many kinds of diseases. From the various of diseases, typhoid fever, malarial fever and dengue fever are the diseases with similar initial indication. that similars make these three of diseases are difficult to distinguish. Many young doctors and medical personnel are difficult to detect early these three of deseases because their less experience. The Similar symptom of each disease often cause difficulty in obtaining anamnese (temporary diagnosis) so that patients get less precise of initial handling and make the condition of the patient is getting worse . To resolve that problem, required a system that can facilitate in identifying diseases based of the symptoms that felt by the patient. This study use Learning Vector Quantization method, that is a classification method used to determine the class of test data by calculating the closest distance of test data on the weight of each class. The parameters used are 15 parameters of symptoms from febrile illness. The system works with the training and testing phases that will result in classes, that are typhoid fever class, malarial fever class and dengue fever class. The result of the best average accuracy is 100% by using comparison of test data and training data at 10:90, the learning rate is 0,1, the learning rate constant is 0,1, the minimum learning rate 10-5 and the maximum iteration is amount 10.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/1043/051900841 |
| Uncontrolled Keywords: | Klasifikasi, Malaria, DBD, Tifoid, Demam, 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: | Endang Susworini |
| Date Deposited: | 30 Apr 2020 09:03 |
| Last Modified: | 24 Jun 2022 08:43 |
| URI: | http://repository.ub.ac.id/id/eprint/167161 |
![[thumbnail of Nurhidayati Desiani.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Nurhidayati Desiani.pdf Download (6MB) |
Actions (login required)
 |
View Item |