REPOSITORY Umumindonesia2018

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

NURUL AZIMAH · UIN Sultan Syarif Kasim Riau

Abstrak / Ringkasan

Beberapa pendapat yang berkembang di kalangan masyarakat bahwa gangguan jiwa itu identik dengan gila (sakit jiwa), sedangkan gangguan jiwa tidak sama dengan sakit jiwa. Seseorang yang mengalami gangguan pada kesehatan mentalnya (gangguan jiwa), jika tidak segera ditangani akan berkembang menjadi sakit jiwa. Pasien yang mengalami sakit jiwa dirawat di rumah sakit (rawat inap), sedangkan pasien yang mengalami gangguan jiwa melakukan perawatan jalan atau diagnosa oleh Dokter yang memerlukan waktu hingga satu bulan.Oleh karena itu, untuk membantu masyarakat agar bisa dengan cepat mengetahui seseorang terkena gangguan jiwa, maka dibutuhkan suatu sistem untuk mengklasifikasikan penyakit kejiwaan menggunakan Learning Vector Quantization 3 (LVQ3) dengan inputan 14 gejala dan hasil keluaran 5 jenis penyakit kejiwaan yaitu penyakit Skizofernia, Gangguan Mental Organik (GMO), Gangguan mental dan perilaku akibat pengguna zat, Gangguan suasana perasaan dan Gangguan perkembangan psikologis. Parameter yang digunakan adalah learning rate 0.02, 0.025, 0.045, 0.050, 0.75, pengurangan learning rate 0.005, minimal learning rate 0.01, dan nilai window0, 0.2, 0.4. Perbandingan/pembagian data adalah 80:20 dan 90:10. Hasilakurasi pada proses pengujian yang didapatkan adalah 95 % pada pengujian 90:10 yaitu 190 data latih dan 20 data uji. Berdasarkan hasil pengujian tersebut hasil perbandingan data latih 90:10 lebih baik dari pada perbandingan data latih 80:20. Dengan demikian,metode Learning Vector Quantization 3 dapat diterapkan untuk mengklasifikasikan jenis gangguankejiwaan Kata Kunci:Diagnosa, Kejiwaan, Klasifikasi, Learning Vector Quantization 3(LVQ 3), GangguanJiwa

Sitasi

RIS BibTeX
Recommendation Engine

Referensi Serupa

REPOSITORY2021

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

Muhammad Fajar Teguh Putra, -

99% mirip
REPOSITORY2018

JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA PENYAKIT KEJIWAAN MENGGUNAKAN ALGORITMA PEMBELAJARAN BACKPROPAGATION

ADE SAPUTRA

99% mirip
REPOSITORY2020

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

Mustapa Hadi, -

99% mirip
REPOSITORY2019

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

Deri Ferdiansyah, 11451101692

99% mirip
REPOSITORY2018

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

HADI EKO STYONO

99% mirip
REPOSITORY2011

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

Agus, Nurkhozin; Mohammad Isa, Irawan; Imam, Mukhlas

99% mirip
REPOSITORY2021

KLASIFIKASI KUALITAS UDARA MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION DI KOTA PEKANBARU

Jufianto Henri, -

99% mirip
REPOSITORY2018

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

IRFAN MAULANA

99% mirip
REPOSITORY2021

ANALISIS SENTIMEN TERHADAP APLIKASI JD.ID MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

Fajar Setiawan, -

99% mirip
REPOSITORY2021

PENGENALAN AKSARA BATAK TOBA MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN LEARNING VECTOR QUANTIZATION

M. IKHSAN HARLIN PRATAMA, -

99% mirip
REPOSITORY2018

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

KUKUH ANDRIANTO

99% mirip
REPOSITORY2018

Implementasi Chain Codedan Learning Vector Quantization (LVQ) untuk Pengenalan Karakter Huruf Jepang Katakana

Anisya Nursyah Gusman

99% mirip
Sumber yang Sama

Literatur Lain dari UIN Sultan Syarif Kasim Riau

Bacaan Lanjutan

Literatur Terbaru yang Relevan