Article Per Year (5 Year)
p-Index From 2019 - 2024
2.096
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Riau Journal of Computer Science Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JPM PAMBUDI Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi JURSIMA (Jurnal Sistem Informasi dan Manajemen) JURSIMA Jurnal Sistem Informasi dan Manajemen
Erni Rouza, Erni
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Pasir Pengaraian Jl.Tuanku Tambusai Kumu, Rambah Hilir, Rokan Hulu
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Digital Zone: Jurnal Teknologi Informasi dan Komunikasi

 1 
Prediksi Jenis Cacing Nematoda Usus Yang Menginfeksi Siswa Dengan Menggunakan Metoda LVQ Erni Rouza
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 8 No. 2 (2017): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (640.55 KB) | DOI: 10.31849/digitalzone.v8i2.642

Abstract

Abstrak-Pada saat ini, Jaringan Syaraf Tiruan (JST) telah banyak menjadi objek penelitian yang menarik, karena penerapannya sangat potensial dalam berbagai bidang sains, salah satu penerapannya didalam memprediksi penyakit. Penelitian ini bertujuan untuk mencoba menerapkan metode Learning vector Quantization (LVQ) dalam memprediksi jenis cacing Nematoda usus yang menginfeksi siswa dari nilai akurasi yang dihasilkan, karena beberapa penelitian menunjukkan bahwa anak usia sekolah dasar merupakan golongan yang sering terkena infeksi cacing usus. Dari hasil pelatihan dan pengujian menggunakan metode Learning Vector Quantization (LVQ) diketahui bahwa tingkat akurasi sesuai dengan hasil sebenarnya dan nilainya konstan, proses cepat hanya membutuhkan waktu paling lama 3 menit dan memberikan hasil yang optimal yaitu tingkat akurasi data latih sebesar 78,6885%, serta 80% untuk data uji. Hal ini menunjukkan bahwa jaringan yang terbentuk sudah cukup baik, akurat dan cepat dalam melakukan pembelajaran terhadap data input yang diberikan dalam memprediksi jenis cacing Nematoda Usus yang menginfeksi siswa. Kata kunci : Cacing Nematoda Usus, Jaringan Syaraf Tiruan, Learning Vector Quantization Abstract- At this time, an Artificial Neural Network (ANN) has been an interesting objects of research, because of application has potential in various fields of science, one application was used to predict diseases. This study aims to try to implement methods Learning vector quantization (LVQ) in predicting the type of Nematode worms that infect the intestines of students from the resulting accuracy value, because some studies show that children of primary school age are often exposed to a class of intestinal worm infections. From the results of the training and testing using methods Learning Vector Quantization (LVQ) note that the level of accuracy in accordance with the actual results and the value of the constant, quick process only takes a maximum of 3 minutes and provide optimal results is the level of training data accuracy of 78.6885%, and 80% for the test data. This indicates that the network is formed is quite good, accurate and fast in doing the learning on the input data given in predicting Intestinal Nematode worm species that infect students. Keywords: Intestinal Netamoda Worms, Artificial Neural Network, Learning Vector Quantization
Co-Authors ., Basorudin Bakti, Imam Rangga Basorudin Basorudin Budi Yanto Budi Yanto, Budi EDI SAPUTRA efni humairah iis afrianty Jufri Jufri - Kiki Nurjanah Luth Fimawahib Purwantoro - Rina Ari Rohmah Satria Riki Mustafa, Satria Riki Sindi Maulia siska kurnia gusti suwanto sanjaya