PREDIKSI PENYAKIT PERNAFASAN BERDASARKAN GEJALA UTAMA MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION; RESPIRATORY DISEASES PREDICTION BASED ON MAIN SYMPTOMS USING LEARNING VECTOR QUANTIZATION ARTIFICIAL NEURAL NETWORKS

ARRIE KURNIAWARDHANI, Sri Hartati

2010 | Skripsi | PROGRAM STUDI S1 ELEKTRONIKA DAN INSTRUMENTASI

Jaringan syaraf tiruan merupakan salah satu cara untuk memproses suatu informasi yang terinspirasi dari kerja otak manusia dalam melakukan suatu pekerjaan, dengan cara melakukan pelatihan untuk mendapatkan perubahan bobot disetiap sinapsis. Jaringan syaraf tiruan memiliki kemampuan dalam mengenali suatu pola yang belum pernah dikenalinya dengan cara belajar dari data sudah pernah dikenalinya. Dalam skripsi ini, akan dibuktikan kemampuan jaringan syaraf tiruan tersebut dengan mengembangkan aplikasi untuk memprediksi penyakit pernafasan. Salah satu metode jaringan syaraf tiruan yang akan digunakan untuk memprediksi penyakit pernafasan kali ini adalah Learning Vector Quantization. Jaringan syaraf tiruan Learning Vector Quantization memiliki kemampuan untuk mengklasifikasikan input ke suatu kelas, berdasarkan kompetisi dari masing-masing kelas yang ada. Pada sistem prediksi penyakit pernafasan kali ini, perancangan Learning Vector Quantization diawali dengan menentukan gejala utamanya, apakah batuk atau sesak nafas. Selanjutnya gejala-gejala klinis yang dirasakan penderita dijadikan sebagai masukkan Learning Vector Quantization. Dari hasil pengujian hasil uji coba program menunjukkan bahwa arsitektur jaringan syaraf tiruan Learning Vector Quantization terbaik dalam kasus ini adalah arsitektur yang memisahkan data berdasarkan gejala utama, dengan jumlah simpul pada lapisan input sesuai dengan jumlah gejala klinis masing-masing gejala utama dan jumlah simpul pada lapisan output sesuai dengan jumlah penyakit pernafasan yang ingin di prediksi. Jaringan syaraf tiruan Learning Vector Quantization tersebut dapat mencapai keberhasilan 88,89% dalam memprediksi penyakit pernafasan dengan gejala utama batuk, sedangkan untuk gejala utama sesak nafas keberhasilan yang dapat dicapai adalah 83,33%.

Kata Kunci : Jaringan syaraf tiruan, prediksi penyakit pernafasan, Learning Vector Quantization, gejala utama.