DETEKSI PENYAKIT GULA DARAH PADA IBU HAMIL MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) (Studi Kasus PUSTU Desa Pasir Intan)

ANDIWI, RANI (2024) DETEKSI PENYAKIT GULA DARAH PADA IBU HAMIL MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) (Studi Kasus PUSTU Desa Pasir Intan). Sarjana thesis, Universitas Pasir Pengaraian.

	Text COVER.pdf Download (932kB)
	Text BAB 1 2 3.pdf Download (1MB)
	Text BAB 4 5.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Ibu hamil banyak perubahan yang terjadi pada tubuh, salah satunya ketahanan tubuh menjadi berkurang. Penyakit apapun sangat mudah menyerang, sehingga ibu hamil harus bisa menjaga kebugaran tubuhnya seperti dengan berolahraga dan mengatur pola makan. Ibu hamil bukan hanya sekedar menjaga kesehatannya saja tapi juga harus menjaga kesehatan pada calon bayinya. Salah satu penyakit yang sering dialami oleh ibu hamil adalah penyakit diabetes Gestasional. Untuk itu, pada penelitian ini dibangun sebuah sistem dengan metode Learning Vector Quantization yang bertujuan untuk mendiagnosa penyakit gula darah pada ibu hamil. Learning Vector Quantization (LVQ) adalah suatu metode pelatihan untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi (supervised learning) yang arsitektur jaringannya berlayer tunggal (single layer). Keunggulan dari metode LVQ adalah kemampuannya untuk memberikan pelatihan terhadap lapisan-lapisan kompetitif sehingga secara otomatis dapat mengklasifikasikan vector input yang diberikan. Pada hasil kali ini menunjukan bahwa semua ibu hamil yang didiagnosa penyakit gula darah bisa ditentukan jenis gula darah nya dengan nilai bobot yang berbeda-beda. Dengan hasil akhir, dari 10 data ibu hamil yang diuji, kebanyakan ibu hamil mengalami gejala Diabetes Gestasional Tipe 1 dengan bobot terkecil yaitu 1,42902619101.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Learning Vector Quantization, gula darah, ibu hamil.
Subjects:	Dewey decimal Classification Subject Areas > 000 Karya Umum > 000-009 Ilmu Umum dan Komputer
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with email info.pustakaupp@gmail.com
Date Deposited:	07 Aug 2025 05:22
Last Modified:	07 Aug 2025 05:22
URI:	http://repository.upp.ac.id/id/eprint/2909

Actions (login required)

View Item