Klasifikasi Berat Badan Lahir Rendah (BBLR) Pada Bayi Dengan Metode Learning Vector Quantization (LVQ)

Klasifikasi Berat Badan Lahir Rendah (BBLR) Pada Bayi Dengan Metode Learning Vector Quantization (LVQ)

Penulis

  • Suryani Agustin Fakultas Ilmu Komputer, Universitas Brawijaya
  • Budi Darma Setiawan Fakultas Ilmu Komputer, Universitas Brawijaya
  • Mochammad Ali Fauzi Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

klasifikasi, berat badan lahir rendah, bayi, learning vector quantization

Abstrak

Berat Badan Lahir Rendah (BBLR) merupakan kondisi dari bayi yang lahir memiliki berat kurang dari 2500 gram atau 2.5 kg. BBLR adalah salah satu faktor dari kematian bayi di Indonesia. Pencegahan dan penanganan pada ibu hamil saat mengetahui akan melahirkan bayi dengan kondisi BBLR sangat diperlukan, demi meminimalisir kematian saat proses kelahiran. Maka dari itu diharapkan dengan adanya sistem klasifikasi berat badan lahir rendah pada bayi ini dapat membantu untuk mengidentifikasi kondisi bayi pada ibu hamil sebelum bayi dilahirkan. Pada penelitian digunakan metode Learning Vector Quantization (LVQ) dengan 96 data dan 6 fitur yaitu usia, pendidikan, paritas, interval kelahiran, hemoglobin dan status gizi. Yang akan mengklasifikasikan ke dalam dua kelas yaitu kelas kasus yang berarti bayi lahir dengan BBLR dan kelas kontrol yang berarti bayi lahir tidak mengalami BBLR. Berdasarkan hasil pengujian yang dilakukan, sistem menghasilkan rata-rata akurasi sebesar 60.5% dengan menggunakan parameter optimal untuk learning rate 0.1, pengurang learning rate 0.1 dan maksimum epoch 5. Untuk pengujian k-fold cross validation nilai akurasi tertinggi sebesar 58.3% dan nilai akurasi rata-ratanya adalah 46.85%.

Unduhan

Diterbitkan

14 Jan 2019

Cara Mengutip

Agustin, S., Setiawan, B. D., & Fauzi, M. A. (2019). Klasifikasi Berat Badan Lahir Rendah (BBLR) Pada Bayi Dengan Metode Learning Vector Quantization (LVQ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(3), 2929–2936. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4831

Terbitan

Bagian

Artikel
Loading...