Melola Discovery

← Melola Discovery

Jurnal

Penerapan Jaringan Syaraf Tiruan dengan Metode Learning Vector Quantization (LVQ) untuk Klasifikasi Penyakit Infeksi Saluran Pernapasan Akut (ISPA)

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 4 (2021) · hlm. 514–523

ISSN
2613-9189
Terbit
2021-02-23
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

Penderita ISPA di Indonesia merupakan masalah kesehatan yang utama, terutama jumlah penderita ISPA di Indonesia yang masih tinggi. Penyakit ISPA harus ditangani dengan tepat sesuai diagnosis yang akurat. Diagnosis ISPA dilakukan secara manual dengan melihat gejala yang dialami pasien. Dalam Penelitian bertujuan untuk membuat sebuah aplikasi jaringan syaraf tiruan untuk mendiagnosis penyakit ISPA dengan menerapkan metode Learning Vector Quantization. Software dibuat dengan menggunakan Matlab R2018a. Gejala ISPA yang digunakan untuk mendiagnosis penyakit meliputi 10 variabel input dan 2 variabel output yaitu Suspect ISPA dan Non ISPA. Metode pengumpulan data yang digunakan yaitu metode kuantitatif yang berupa data primer dengan menggunakan kuesioner dan wawancara, data yang berhasil dikumpulkan dari Puskesmas Wedung 2 sebanyak 200 data. Berdasarkan hasil penelitian bahwa metode Learning Vector Quantization mampu mengenali pola dengan sangat baik dengan persentase rata-rata akurasi mencapai 96.5% dan akurasi tertinggi sebesar 100%. Nilai parameter yang digunakan adalah learning rate (α)=0.02, error goal = 0.01, iterasi maksimum 20 dengan perbandingan data latih dan data uji yang digunakan adalah 80:20. Dapat disimpulkan bahwa aplikasi yang dibuat mampu untuk mendiagnosis penyakit ISPA secara optimal.

Jaringan kolaborasi para penulis

40 penulis · 122 tautan kepenulisan bersama · 4 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • University of Brawijaya
  • IAIN Syekh Nurjati Cirebon
  • Institut Agama Islam Negeri Kendari
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Putriaji HendikawatiState University of Semarang6
Sugiman SugimanAfiliasi tidak diketahui6
Kartono KartonoState University of Semarang6
Mulyono MulyonoAfiliasi tidak diketahui5
Masrukan MasrukanState University of Semarang3
Isnarto IsnartoState University of Semarang3
St. Budi WaluyaAfiliasi tidak diketahui3
Mohammad AsikinState University of Semarang3
Farida NursyahidahState University of Semarang2
Kristina WijayantiState University of Semarang2
Zaenuri ZaenuriState University of Semarang2
Yuninda Diah PratiwiAfiliasi tidak diketahui2
Dwijanto DwijantoState University of Semarang2
YL SukestiyarnoState University of Semarang2
Wardono WardonoAfiliasi tidak diketahui2
Kristina WijayantiAfiliasi tidak diketahui2
WardonoState University of Semarang1
Wardono WardonoState University of Semarang1
Muhamad Irwan HaqiqiAfiliasi tidak diketahui1
Agus YuliantoState University of Semarang1
Dwi Agung FitriantiAfiliasi tidak diketahui1
Yenrika Kurniati RahayuAfiliasi tidak diketahui1
Mikke Novia IndrianiAfiliasi tidak diketahui1
Onwardono Rit RiyantoIAIN Syekh Nurjati Cirebon1
Dian BayujagaAfiliasi tidak diketahui1
Sri Ady AstutiAfiliasi tidak diketahui1
Imanuel ImanuelAfiliasi tidak diketahui1
Dwi Indah Ratri RatnasariAfiliasi tidak diketahui1
Arief AgoestantoAfiliasi tidak diketahui1
Vinda KhasmarawatiAfiliasi tidak diketahui1
Raras Setya AstutiAfiliasi tidak diketahui1
Dedeh KurniasihAfiliasi tidak diketahui1
Noni NofiyahAfiliasi tidak diketahui1
Putri Dwi PradinaAfiliasi tidak diketahui1
Eko SupriyadiAfiliasi tidak diketahui1
Siti Ma'unahAfiliasi tidak diketahui1
Sunarti SunartiAfiliasi tidak diketahui1
Susanti SusantiInstitut Agama Islam Negeri Kendari1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Penerapan Jaringan Syaraf Tiruan dengan Metode Learning Vector Quantization (LVQ) untuk Klasifikasi Penyakit Infeksi Saluran Pernapasan Akut (ISPA)</dc:title>
	<dc:creator>Setyowati, Endang</dc:creator>
	<dc:creator>Mariani, Scolastika</dc:creator>
	<dc:description xml:lang="en-US">Penderita ISPA di Indonesia merupakan masalah kesehatan yang utama, terutama jumlah penderita ISPA di Indonesia yang masih tinggi. Penyakit ISPA harus ditangani dengan tepat sesuai diagnosis yang akurat. Diagnosis ISPA dilakukan secara manual dengan melihat gejala yang dialami pasien. Dalam Penelitian bertujuan untuk membuat sebuah aplikasi jaringan syaraf tiruan untuk mendiagnosis penyakit ISPA dengan menerapkan metode Learning Vector Quantization. Software dibuat dengan menggunakan Matlab R2018a. Gejala ISPA yang digunakan untuk mendiagnosis penyakit meliputi 10 variabel input dan 2 variabel output yaitu Suspect ISPA dan Non ISPA. Metode pengumpulan data yang digunakan yaitu metode kuantitatif yang berupa data primer dengan menggunakan kuesioner dan wawancara, data yang berhasil dikumpulkan dari Puskesmas Wedung 2 sebanyak 200 data. Berdasarkan hasil penelitian bahwa metode Learning Vector Quantization mampu mengenali pola dengan sangat baik dengan persentase rata-rata akurasi mencapai 96.5% dan akurasi tertinggi sebesar 100%. Nilai parameter yang digunakan adalah learning rate (α)=0.02, error goal = 0.01, iterasi maksimum 20 dengan perbandingan data latih dan data uji yang digunakan adalah 80:20. Dapat disimpulkan bahwa aplikasi yang dibuat mampu untuk mendiagnosis penyakit ISPA secara optimal.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2021-02-23</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/44356</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 4 (2021): PRISMA, Prosiding Seminar Nasional Matematika; 514-523</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/44356/18376</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2021 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>