PENERAPAN JST DENGAN METODE LEARNING VECTOR QUANTIZATION UNTUK KLASIFIKASI PENYAKIT ISPA

  • Endang Setyowati Universitas Negeri Semarang
  • Scolastika Mariani
Keywords: Jaringan Syaraf Tiruan, Learning Vector Quantization, Penyakit ISPA, Matlab.

Abstract

Jaringan syaraf tiruan salah satu alternatif untuk menyelesaikan berbagai macam permasalahan dalam pengambilan keputusan berdasarkan pelatihan yang diberikan. Aplikasi JST dapat diterapkan dalam berbagai bidang, salah satunya dalam bidang kesehatan. Learning Vector Quantization (LVQ) salah satu metode JST yang berbasis pembelajaran kompetitif terawasi. Suatu lapisan akan secara otomatis belajar untuk mengklasifikasikan vektor-vektor input, jarak yang terdekat akan dikelompokkan dalam kelas yang sama. Angka penderita penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Indonesia masih tinggi, ISPA harus ditangani dengan tepat sesuai diagnosis yang akurat. Dalam penelitian ini bertujuan untuk merancang sebuah aplikasi pengambilan keputusan dengan menerapkan JST metode LVQ untuk mendiagnosis penyakit ISPA berdasarkan gejala-gejala yang dialami pasien. Aplikasi ini dibuat dengan menggunakan software Matlab R2018a. 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. Dari beberapa pengujian menunjukkan bahwa learning rate (α)=0.02, error goal =0.01, iterasi maksimum 20, perbandingan data latih dan data uji sebesar 80:20 menghasilkan nilai diagnosis terbaik dengan rata-rata akurasi mencapai 96.5% dan akurasi tertinggi sebesar 100%. Dapat disimpulkan bahwa aplikasi yang dibuat mampu untuk mendiagnosis penyakit ISPA secara optimal.

References

Agustinus, I., Santoso, E., & Rahayudi, B. (2018). Klasifikasi Risiko Hipertensi Menggunakan Metode Learning Vector Quantization (LVQ). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.

Amezcua J., Melin P., Castillo O. (2015). Design of an Optimal Modular LVQ Network for Classification of Arrhythmias Based on a Variable Training-Test Datasets Strategy. Springer International Publishing.

Arvianti, R. V. (2019). Klasifikasi Penyakit Diabetes Mellitus Tipe 2 Menggunakan Learning Vector Quantization (LVQ) (Doctoral dissertation, Universitas Islam Negeri Sunan Ampel).

Denias. (2013). Deteksi Dini Diagnosis ISPA pada anak dengan metode cosine similiraty. Skripsi Teknik Informatika Universitas Sebelas Maret.

Departemen Kesehatan Republik Indonesia. (2013). Riset Kesehatan Dasar (RISKESDAS)2013 dalam Laporan Nasional 2013. Badan Penelitian dan Pengembangan Kesehatan Departemen Kesehatan Republik Indonesia, Jakarta.

Depkes R.I. (2008). Laporan hasil Riset Kesehatan Dasar. Riskesdas Indonesia Tahun 2007. Jakarta.

Dinas Kesehatan Provinsi Jawa Tengah. (2019). Profil Kesehatan Kab Demak.

Fausett, Laurene. (1994). Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. PrenticeHall, Inc. Upper Saddle River, NJ, USA ©1994.

Hidayati, N., & Warsito, B. (2010). Prediksi terjangkitnya penyakit jantung dengan metode pembelajaran vektor kuantisasi. Media Statistika , 3 (1), 21-30.

Kementerian Kesehatan Republik Indonesia. (2011). Pedoman Pengendalian ISPA. Direktorat Jenderal Pengendalian Penyakit dan Penyehatan Lingkungan. Jakarta.

Kemenkes, R. I. (2013). Laporan Hasil Riset Kesehatan Dasar (Riskesdas) Indonesia tahun 2013. Jakarta: Badan Penelitian dan Pengembangan Kesehatan Kemenkes RI.

Ladauw, E. B., Ratnawati, D. E., & Supianto, A. A. (2018). Identifikasi Penyakit Mata Menggunakan Metode Learning Vector Quantization (LVQ). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.

Laporan penyakit dengan kasus tertinggi di Puskesmas Wedung 2 Kabupaten Demak Tahun 2017-2020.

Laporan Tahunan Puskesmas Wedung Kabupaten Demak Tahun 2020.

Lathifah, L., & Yuswantina, R. (2020). Profil Penggunaan Antibiotik pada Pasien Anak Dengan Diagnosa ISPA (Infeksi Saluran Pernafasan Akut) Bagian Atas dengan Metode Studi Literatur (Doctoral dissertation, Universitas Ngudi Waluyo).

Leleury, Z. A., Lesnussa, Y. A., & Madiuw, J. (2016). Sistem Diagnosa Penyakit Dalam dengan Menggunakan Jaringan Saraf Tiruan Metode Backpropagation dan Learning Vector Quantization. Jurnal Matematika Integratif, 12(2), 89-98.

P. Erick, N Yessica. (2007). GUI Matlab. Yogyakarta: Andi Offset.

Pramadhani, A. E., & Setiadi, T. (2014). Penerapan Data Mining Untuk Klasifikasi Prediksi Penyakit ISPA (Infeksi Saluran Pernapasan Akut) Dengan Algoritma Decision Tree (Id3). Doctoral dissertation, Universitas Ahmad Dahlan.

Prasetyo, E. (2012). Konsep data mining dan aplikasi menggunakan matlab. Yogyakarta: Andi .

Puspitaningrum, D. (2006). Pengantar jaringan syaraf tiruan.

Rohmana, I. (2014). Perbandingan Jaringan Syaraf Tiruan dan Naive Bayes dalam Deteksi Seseorang Terkena Penyakit Stroke (Doctoral dissertation, Universitas Negeri Semarang).

Sri, K., & Sri, H. (2010). Neuro-Fuzzy: Integrasi Sistem Fuzzy Dan Jaringan Syaraf. Yogyakarta: Penerbit Graha Ilmu.

Sri, K. (2003). Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.

Sri, K. (2004). Membangun Jaringan Syaraf Tiruan Menggunakan MATLAB & EXCELLINK. Yogyakarta: Graha Ilmu.

Shuo D., Xiao-heng C., Qing-hui W. (2014). A Study on the Application of Learning Vector Quantization Neural Network in Pattern Classification. Applied Mechanics and Materials (Vol.525, pp. 657-660).

Siang, Jok Jek. (2005). Jaringan Syaraf Tiruan Dan Pemrogramannya Menggunakan Matlab. Yogyakarta: Andi.

Siregar, S. (2015). Statistika Terapan Untuk Perguruan Tinggi. Jakarta: Prenadamedia Group.

T. R. Soviana. (2019). Gambaran Peresepan Antibiotik terhadap Pengobatan ISPA di RSUD Pandan Kabupaetn Tapanuli Tengah. (Skripsi). Politeknik Kesehatan Kemenkes. Medan.

Tawakal, F., & Azkiya, A. (2020). Diagnosa Penyakit Demam Berdarah Dengue (DBD) menggunakan Metode Learning Vector Quantization (LVQ). JISKA (Jurnal Informatika Sunan Kalijaga), 4(3), 56-64.

WHO. (2007). Epidemic-prone & pandemic-prone acute respiratory diseases: Infection prevention & control in health-care facilities.Summary guidance 2007.

World Health Organization., (2012). Data and Statistics.

Ying Z., Mei L. (2017). An Evaluation Model of Water Quality Based on Learning Vector Quantization Neural Network. Chinese Control Conference.

Zuliyanti, V. S., Hartama, D., Lubis, M. R., Andani, S. R., & Kirana, I. O. (2020, July). JST: Klasifikasi Pengguna Listrik menggunakan Algoritma Learning Vector Quantization (LVQ). In Prosiding Seminar Nasional Riset Information Science (SENARIS) (Vol. 2, pp. 200-207).

Published
2021-07-05
Section
Articles