Metode LearningVector Quantization (LVQ) untuk Memprediksi Terjangkitnya Penyakit Jantung

Abstract

Jantung merupakan salah satu organ tubuh yang mempunyai peran yang sangat penting yaitu memompa darah ke seluruh tubuh. Jika terjadi hal-hal yang mempengaruhi kerja jantung menjadi tidak normal, maka dapat menyebabkan gangguan pada jantungnya. Untuk dapat mengetahui bahwa seseorang menderita penyakit jantung dibutuhkan pengetahuan khusus untuk mendeteksi dan melakukan diagnosis awal dari pemeriksaan fisik yang merupakan syarat bila terdapat keluhan atau gejala yang berhubungan dengan jantung. Penyelesaian masalah berdasarkan latar belakang tersebut terasa lebih mudah semenjak dipublikasikannya jaringan syaraf tiruan (JST) McCulloch dan Pitts (1943). Jaringan syaraf tiruan merupakan suatu sistem pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan syaraf manusia dan mampu menyelesaikan masalah melalui proses belajar dari contoh-contoh. Dalam jaringan syaraf tiruan, terdapat beberapa metode yang dapat digunakan sesuai dengan aplikasi yang diinginkan, salah satunya metode Learning Vector Quantization (LVQ). Metode ini digunakan untuk mengklasifikasikan data ke dalam suatu kelas/kategori. Dengan metode ini akan dapat diklasifikasikan seseorang yang berpotensi menderita penyakit jantung. Data yang akan dilatih merupakan data pasien penyakit jantung yang disediakan oleh UCI (University of Calfornia at Irvine) sebanyak 268 data dengan 10 variabel yang merupakan faktor-faktor yang mempengaruhi terjangkitnya penyakit jantung. Software yang digunakan adalah Matlab versi 6.5. Dari beberapa percobaan menunjukkan bahwa nilai learning rate (α) = 0.25, penurunan learning rate (Decα) = 0.1, minimum learning rate (Minα) = 0.001 dan MaksEpoh = 2 merupakan nilai-nilai yang cukup baik dalam melakukan prediksi terjangkitnya penyakit jantung dengan tingkat ketepatan prediksinya 66.79 %. Kata Kunci : Penyakit jantung, jaringan syaraf tiruan, lerning vector quantization, klasifikasi