Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Matematika Integratif

Sistem Diagnosa Penyakit Dalam dengan Menggunakan Jaringan Saraf Tiruan Metode Backpropagation dan Learning Vector Quantization Zeth Arthur Leleury; Yopi Andry Lesnussa; Julianty Madiuw
Jurnal Matematika Integratif Vol 12, No 2: Oktober, 2016
Publisher : Department of Matematics, Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3161.337 KB) | DOI: 10.24198/jmi.v12.n2.11925.89-98

Abstract

Jaringan saraf tiruan telah banyak digunakan untuk membantu menyelesaikan berbagaimacam permasalahan dalam rangka pengambilan keputusan berdasarkan pelatihan yangdiberikan. Jaringan saraf tiruan dapat diaplikasikan pada berbagai bidang dalam kehidupanmanusia, salah satunya bidang kesehatan. Dalam penelitian ini, jaringan saraf tiruandigunakan untuk mendiagnosa Penyakit Dalam dengan menggunakan metode Backpropagationdan Learning Vector Quantization yang selanjutnya akan dibandingkan hasil diagnosa darikedua metode tersebut. Data penelitian sebanyak 266 data, dengan 190 data sebagai datapelatihan dan 76 data sebagai data pengujian yang diambil dari data pasien RSUD Dr. M.Haulussy, Ambon. Dengan menggunakan metode Backpropagation tingkat keakuratandiagnosanya sebesar 61.84% sedangkan dengan menggunakan metode LVQ tingkat keakuratandiagnosanya sebesar 93.42%. Dari hasil penelitian ini metode LVQ dianggap lebih baik dalammendiagnosa Penyakit Dalam.
Perancangan Sistem Diagnosa Penyakit Saluran Pernapasan Menggunakan Metode Learning Vector Quantization (LVQ) Zeth Arthur Leleury; Salmon Notje Aulele
Jurnal Matematika Integratif Vol 12, No 1: April, 2016
Publisher : Department of Matematics, Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (646.852 KB) | DOI: 10.24198/jmi.v12.n1.10247.1-10

Abstract

Jaringan saraf tiruan telah banyak digunakan untuk membantu menyelesaikan berbagai macam permasalahan dalam rangka pengambilan keputusan berdasarkan pelatihan yang diberikan. Aplikasijaringan saraf tiruan dapat diterapkan dalam berbagai bidang, salah satunya dalam bidang kesehatan. Learning Vector Quantization (LVQ) adalah salah satu jenis jaringan saraf tiruan yang berbasis pembelajaran kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untukmengklasifikasikan vektor-vektor input. Apabila vektor-vektor input memiliki jarak terdekat makavektor-vektor input tersebut akan dikelompokkan dalam kelas yang sama. Dalam penelitian ini, metodeLVQ diaplikasikan untuk mendiagnosa penyakit saluran pernapasan khususnya pada penyakitTuberculosis, Asma, Sinusitis, Bronchitis, Pneumonia, dan ISPA berdasarkan gejala-gejala dari penyakitsaluran pernapasan tersebut. Data yang digunakan dalam penelitian ini sebanyak 109 data, 60 datauntuk pelatihan dan 49 data untuk pengujian. Data pada penelitian ini didapat dari ruang rekam medisRSUD Dr. M. Haulussy Ambon. Dari beberapa pengujian menunjukkan bahwa laju pelatihan ( ) = 0,1 danreduksi laju pelatihan ( ) = 0,00001 menghasilkan nilai diagnosa terbaik dengan tingkat keakuratansebesar 95,92%.Kata kunci : Diagnosa, Learning Vector Quantization, Penyakit Saluran Pernapasan