SISTEM DETEKSI DINI PENYAKIT TUBERKULOSIS PARU MENGGUNAKAN LEARNING VECTOR QUANTIZATION 2

Widyasari, Lina Annisa and Sasongko, Priyo Sidik (2018) SISTEM DETEKSI DINI PENYAKIT TUBERKULOSIS PARU MENGGUNAKAN LEARNING VECTOR QUANTIZATION 2. Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
Available under License Creative Commons Attribution Non-commercial Share Alike.

495Kb

Abstract

Tuberkulosis merupakan penyakit infeksi yang disebabkan oleh virus Mycobaterium tuberculosisyang menyerang organ paru-paru. Penyakit tuberkulosis paru merupakan pembunuh terbesar kedua di dunia dalam hal penyakit infeksi setelah HIV/AIDS. Berdasarkan Global Tuberculosis Report 2016oleh WHO, Indonesia menduduki peringkat kedua setelah India sebagai salah satu negara di dunia yang ikut menyumbang adanya 60% kasus penyakit tuberkulosis paru baru. Sedangkan dalam lingkup Indonesia, provinsi Jawa Tengah menduduki peringkat ketiga untuk jumlah kasus penyakit tuberkulosis paru baru tertinggi. Penyakit tuberkulosis paru bersifat menular, dimana persebaran virus tuberkulosis rentan terhadap orang yang sering melakukan kontak langsung dengan penderita penyakit tuberkulosis paru. Penyakit ini dapat menyebabkan komplikasi berbahaya hingga kematian apabila tidak segera terdeteksi dan tidak dilakukan pengobatan secara tuntas.Penelitian ini bertujuan untuk membuat sebuah sistem deteksi dini penyakit tuberkulosis paru menggunakan algoritma Jaringan Syaraf Tiruan Learning Vector Quantization 2 (LVQ2). Variabel yang digunakan terdiri atas 8 gejala penyakit tuberkulosis paru. Data penelitian diperoleh dari data catatan kesehatan pasien tuberkulosis paru di Puskesmas Karangawen II Kab. Demak sebanyak 80 data. Pembagian data pelatihan dan data pengujian tersebut didapatkan dari hasil aplikasi k-fold cross validation dengan nilai k = 8. Hasil penelitian menunjukkan bahwa arsitektur LVQ2 terbaik untuk sistem deteksi dini diperoleh pada kombinasi parameter menggunakan nilai learning rate (α) 0,06;learning rate terkecil0,001; window (ε) 0,3; dan maksimum epoch 500. Arsitektur terbaik pada penelitian ini menghasilkan akurasi 87,5%,error rate 12,5%, sensitivitas 85%, dan spesifisitas 90% dengan waktu proses untuk8-fold selama 60,68 detik.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:65810
Deposited By:INVALID USER
Deposited On:11 Oct 2018 16:15
Last Modified:11 Oct 2018 16:15

Repository Staff Only: item control page