PREDIKSI PENYAKIT JANTUNG MENGGUNAKAN ALGORITMALEARNING VECTOR QUANTIZATION DAN PARTICLE SWARM OPTIMIZATION

Pratama, Welly (2019) PREDIKSI PENYAKIT JANTUNG MENGGUNAKAN ALGORITMALEARNING VECTOR QUANTIZATION DAN PARTICLE SWARM OPTIMIZATION. Undergraduate thesis, UPN Veteran Jatim.

Preview	Text (COVER) Cover.pdf Download (400kB) | Preview
Preview	Text (BAB 1) BAB I.pdf Download (111kB) | Preview
	Text (BAB 2) BAB II.pdf Restricted to Registered users only until October 2025. Download (215kB)
	Text (BAB 3) BAB III.pdf Restricted to Registered users only until October 2025. Download (230kB)
	Text (BAB 4) BAB IV.pdf Restricted to Registered users only until October 2025. Download (351kB)
Preview	Text (BAB 5) BAB V.pdf Download (81kB) | Preview
Preview	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (80kB) | Preview

Abstract

Penyakit jantung merupakan suatu gangguan pada sistem pembuluh darah sehingga menyebabkan kinerja dari jantung tidak dapat bekerja secara normal. The World Health Organization (WHO) memperkirakan sekitar 17,7 juta orang kehilangan nyawa mereka karena penyakit kardiovaskular pada tahun 2015 dimana populasi tersebut mewakili 31% dari keseluruhan kematian. Diperkirakan 7,4 juta kematian disebabkan karena penyakit jantung koroner. Kemajuan teknologi dalam bidang medis tentunya sudah dapat menganalisis penyakit jantung melalui alat-alat canggih yang telah dikembangkan. Alat-alat tersebut dapat memberikan informasi ke dokter sehingga dokter dapat melakukan diagnosa penyakit jantung pada pasien. Untuk itu maka munculah sistem prediksi untuk membantu dokter dalam diagnosa penyakit jantung melalui data data yang dihasilkan dari alat-alat pemerksaan tersebut. Penelitian ini bertujuan untuk melakukan prediksi penyakit jantung menggunakan algoritma Learning Vector Quantization dan Particle Swarm Optimization. Algortima LVQ digunakan karena dapat menghasilkan vektor acuan optimal melalui cara yang sederhana dan cepat dan algoritma Particle Swarm Optimization digunakan untuk optimasi vektor bobot sebagai bobot awal untuk proses pelatihan pada LVQ. Data untuk penelitian ini dengan menggunakan dataset penyakit jantung dari UCI Machine Learning Repository. Terdapat 13 atribut dalam dataset tersebut yang akan digunakan untuk vektor input pada algoritma LVQ dan di proses pada competitive layer. Penelitia ini menghasilkan rata – rata akurasi dari algoritma LVQ-PSO 83,2% dengan parameter – parameter yaitu wmin 0,5 , wmax 0,6 , jumlah partikel 100, c1 1,5 , c2 1,5 , r1 0,5 , r2 0,5 , learning rate 0,1 , pengurang nilai learning rate 0,1 , learning rate minimum = 10 -17 . Kata kunci: penyakit jantung, Learning Vector Quantization, prediksi penyakit jantung

Item Type:	Thesis (Undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Email UNSPECIFIED PURBASARI, INTAN YUNIAR NIDN0702068002 UNSPECIFIED UNSPECIFIED MANDYARTHA, EKA PRAKARSA NIDN0725058805 UNSPECIFIED
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105 Computer Network
Depositing User:	Amalia Hani
Date Deposited:	25 Oct 2022 02:32
Last Modified:	25 Oct 2022 02:32
URI:	http://repository.upnjatim.ac.id/id/eprint/10014

Actions (login required)

View Item