KLASIFIKASI DETAK JANTUNG JANIN DENGAN LEARNING VECTOR QUANTIZATION(LVQ)

(By : Wahyu Astuti Ningsih; supervisors : Fatma Indriani,S.T, M.IT. and Andi Farmadi, S.Si, M.T; 2019; 32 Pages)

Perkembangan teknologi informasi sekarang memungkinkan pertumbuhan akumulasi data yang pesat, sehingga terjadi tumpukan atau kumpulan data tapi tidak dapat digunakan untuk aplikasi yang berguna, data mining menjadi solusi atas kondisi tersebut. Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual, beberapa teknik yang sering disebut sebut dalam literatur data mining adalah: clustering, classification dan lain sebagainya. Peningkatan teknik integrasi data dan penerapan teknik data mining yang telah banyak berkontribusi dalam penanganan jenis tipe data yang baru dan aplikasi data mining yang cukup luas. Namun, keilmuan dalam bidang data mining dan penerapannya dalam bidang medis masih cukup baru atau terbilang muda, sehingga kemungkinan aplikasi kebutuhan medis dalam data mining masih sangat terbatas . Salah satu tantangan utama data mining dalam dunia medis adalah melakukan suatu ektraksi pengetahuan yang diperoleh dari suatu data yang hasilnya dapat mudah dipahami contohnya seperti data diagnosa medis Cardiography. Dalam era informasi ini penggunaan mesin pembelajaran data mining dalam melakukan suatu diagnosa di bidang medis dapat meningkat secara bertahap, terutama karena efektifitas klasifikasi dan system pengenalan penyakit telah mengalami peningkatan dalam banyak hal, sehingga dapat membantu ahli medis dalam melakukan diagnosis suatu penyakit .Banyak penelitian telah menerapkan sistem jaringan saraf tiruan dalam diagnosis keperluan medis, analisis citra, analisis sinyal, interpretasi dan berbagai masalah klasifikasi, salah satunya dengan menggunakan Learning Vector Quantization  (LVQ). (Hariri, 2013). Jaringan saraf tiruan Learning Vector Quantization (LVQ) telah banyak dimanfaatkan untuk pengenalan pola baikberupa citra, suara, dan lain - lain. Jaringan LVQ sering pula digunakan untuk ekstraksi ciri (feature) pada proses awal pengenalan pola. Metode Jaringan Syaraf Learning Vector Quantization (LVQ) termasuk dengan Supervised Learning dalam penentuan bobot / model pembelajarannya, dimana pada metode LVQ ditentukan hasil seperti apa selama proses pembelajaran. Selama proses pembelajaran nilai bobot disusun dalam suatu range tertentu tergantung pada nilai input yang diberikan. Tujuan pembelajaran ini adalah pengelompokan unit-unit yang hampir sama dalam satu area tertentu. Pembelajaran seperti ini sangat cocok untuk pengelompokan (klasifikasi) pola. Prinsip kerja dari algoritma LVQ adalah pengurangan node - node tetangganya (neighbour),sehingga pada akhirnya hanya ada satu node output yang terpilih ( winner node ).

Kata kunci : Learning Vector Quantization, Data Mining, Klasifikasi