Tampilkan postingan dengan label Learning Vector Quantization. Tampilkan semua postingan
Tampilkan postingan dengan label Learning Vector Quantization. Tampilkan semua postingan

Senin, 02 Januari 2023

Jaringan Saraf Tiruan (JST) Menggunakan Metode Learning Vector Quantization Untuk Klasifikasi Kesehatan Ibu Hamil | Web PHP

 ABSTRAK

Penanganan proses bersalin oleh tenaga medis bisa dijadikan salah satu acuan untuk mengukur pelayanan kesehatan disuatu wilayah. Indikator yang perlu dianggap penting dalam pelayanan kesehatan ibu adalah Angka Kematian Ibu (AKI) serta pada bayi adalah Angka Kematian Bayi (AKB) (Kementerian Kesehatan, et. al., 2013). Klasifikasi menggunakan Learning Vector Quantization (LVQ) adalah bagian dari Jaringan Saraf Tiruan (JST) yang merupakan single layer net dengan setiap lapisan input terhubung secara langsung dengan neuron output. Keduanya dihubungkan dengan suatu bobot. Struktur jaringan pada LVQ terdiri dari xi adalah input, wii merupakan bobot dan yi sebagai output. Dengan adanya metode klasifikasi ini maka dapat memantau kesehatan bayi dan ibu hamil dengan memantau indikator seperti Adanya peningkatan berat badan, kadar hormone, perkembangan perut ibu hamil, detak jantung yang stabil, pergerakan janin dalam perut, gerakan bayi akan menurun sebelum kelahiran dan sebaginya.

Program dirancang dengan menggunakan bahasa pemrograman PHP berbasis web dengan tujuan hasil dari klasifikasi dengan menggunakan JST LVQ diharapkan dapat bermanfaat bagi puskesmas dalam menentukan klasifikasi kesehatan bayi dan ibu hamil.

Kata Kunci : Jaringan Saraf Tiruan, Learning Vector Quantization, Klasifikasi Kesehatan Ibu Hamil, Web