REPOSITORY Umumindonesia2011

KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION

Agus, Nurkhozin; Mohammad Isa, Irawan; Imam, Mukhlas · Universitas Negeri Yogyakarta

Abstrak / Ringkasan

Diabetes Milletus merupakan penyakit yang ditandai dengan kenaikan kadar gula dalam darah. Penyebab penyakit ini biasanya disebabkan destruksi sel beta, kebiasaan pola makan, dan olah raga yang kurang teratur. Menurut asuhan keperawatan diabetes mellitus dibedakan dalam empat klasifikasi, tetapi dalam penelitian ini data penyakit diabetes mellitus diklasifikasikan menurut dr. Eko Yulianto diklasifikasikan dalam dua kelas. Jaringan syaraf tiruan merupakan sistem pemroses informasi seperti pemroses pada otak manusia. Jaringan syaraf tiruan telah banyak digunakan dalam banyak aplikasi, salah satunya untuk klasifikasi. Dalam penelitian ini menampilkan dua metode klasifikasi yaitu metode Backpropagation dan Learning Vector Quantization untuk permasalahan klasifikasi penyakit diabetes mellitus. Kesimpulan yang didapat bahwa dalam klasifikasi penyakit diabetes mellitus metode Backprogation memberikan kinerja lebih baik dibandingkan LVQ

Kata kunci: Jaringan Syaraf Tiruan, Backropagation, Learning Vector Quantization, Diabetes Mellitus

KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION

Abstrak / Ringkasan

Topik Terkait

Sitasi

Referensi Serupa

PENERAPAN JARINGAN SYARAF TIRUAN UNTUK PENDEKATAN DIAGNOSA JENIS PENYAKIT GINJAL DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) 3

JARINGAN SYARAF TIRUAN UNTUK MENGKLASIFIKASI GANGGUAN KEJIWAAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION 3 (LVQ 3)

PENERAPAN METODE JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION 3 (LVQ3) UNTUK KLASIFIKASI KESULITAN BELAJAR

PENERAPAN JARINGAN SYARAF TIRUAN MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION 2.1 UNTUK MENENTUKAN JURUSAN DI SEKOLAH MENENGAH ATAS

PREDIKSI KEBANGKRUTAN BANK BERDASARKAN RASIO CAMEL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ)

PENERAPAN JARINGAN SYARAF TIRUAN BACKPROPAGATION KLASIFIKASI PENYAKIT ISPA

PENERAPAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN LEARNING VECTOR QUANTIZATION (LVQ) UNTUK KLASIFIKASI PENYAKIT RETINA MATA

PENERAPAN METODE LEARNING VECTOR QUANTIZATION 2 (LVQ2) UNTUK KLASIFIKASI SERANGAN PADA JARINGAN

PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA PENYAKIT LAMBUNG DENGAN MENGGUNAKAN ALGORITMA PEMBELAJARAN BACKPROPAGATION (Studi Kasus : RSUD Arifin Ahmad Pekanbaru)

KLASIFIKASI KUALITAS UDARA MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION DI KOTA PEKANBARU

PENERAPAN LEARNING VECTOR QUANTIZATION(LVQ) PADA KLASIFIKASI KANKER PAYUDARA (BREAST CANCER) DARI CITRA MAMMOGRAM MENGGUNAKAN SEGMENTASI OTSU

JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA PENYAKIT KEJIWAAN MENGGUNAKAN ALGORITMA PEMBELAJARAN BACKPROPAGATION

Literatur Lain dari Universitas Negeri Yogyakarta

EFEKTIVITAS MODEL PEMBELAJARAN PROBLEM BASED LEARNING PADA MATA PELAJARAN JARINGAN DASAR KELAS X PROGRAM KEAHLIAN TEKNIK KOMPUTER JARINGAN SMK MA’ARIF 1 WATES

EFEKTIVITAS MODEL PEMBELAJARAN PROJECT BASED LEARNING TERHADAP PENCAPAIAN KOMPETENSI DESAIN JARINGAN KOMPUTER SISWA KELAS X DI SMK N 2 PENGASIH