Klasifikasi Jenis Golongan Darah Menggunakan Fuzzy C-Means Clustering (FCM) dan Learning Vector Quantization (LVQ)
| Main Authors: | Hariri, Fajar Rohman, Pamungkas, Danar Putra |
|---|---|
| Format: | Article NonPeerReviewed Book Lainnya |
| Bahasa: | eng |
| Terbitan: |
Jurusan Teknik Informatika, Fakultas Sains dan Teknologi, Univ. Islam Negeri (UIN) Maulana Malik Ibrahim
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.unpkediri.ac.id/2357/1/55201_0708028704.pdf http://repository.unpkediri.ac.id/2357/4/55201_0708028704_Peer%20Review.PDF http://repository.unpkediri.ac.id/2357/6/55201_0708028704_Similarity.pdf http://repository.unpkediri.ac.id/2357/ http://ejournal.uin-malang.ac.id/index.php/saintek/article/view/5356 http://dx.doi.org/10.18860/mat.v10i1.5356 |
Daftar Isi:
- Darah merupakan salah satu bagian penting dalam tubuh. Darah dibedakan menjadi beberapa golongan yaitu A, B, O, dan AB. Secara konvensional, mendeteksi golongan darah dengan cara meneteskan serum anti-A dan serum anti-B ke darah yang akan dikenali kemudian melakukan pengamatan langsung terhadap reaksi tetesan serum tersebut. Penelitian ini akan membandingkan antara proses pengenalan yang menggunakan segmentasi dengan proses pengenalan tanpa menggunakan segmentasi untuk mengetahui seberapa besar pengaruh metode segmentasi dalam pengenalan citra golongan darah manusia. Dari hasil pengujian didapatkan bahwa dengan adanya metode segmentasi akurasi system pengenalan bertambah antara 10%-24% setiap uji coba. Dengan menggunakan JST Learning Vector Quantization (LVQ) sebagai pengklasifikasi dan Fuzzy C-Mean sebagai segmentasi citra darah dapat diperoleh hasil yang optimal pada sistem pengenala golongan darah manusia dengan prosentase keberhasilan rata rata 92% hingga 98%.