Klasifikasi Penyakit Gigi dan Mulut Menggunakan Metode Learning Vector Quantization (Lvq)
| Main Author: | Islamiah, Nurul |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/146781/1/DOKUMEN_SKRIPSI_NURUL_ISLAMIAH_125150101111014.pdf http://repository.ub.ac.id/146781/ |
Daftar Isi:
- Gigi dan mulut merupakan satu organ tubuh yang mempunyai pengaruh penting terhadap kesehatan. Hal itu dikarenakan berawal dari penyakit pada gigi dan mulut menimbulkan penyakit lain pada tubuh manusia. Pencegahan dan penanganan terhadap penyakit gigi dan mulut harus dilakukan dengan cepat dan tepat untuk mencegah dampak yang lebih fatal. Namun biaya yang mahal, tempat pelayanan kesehatan yang jaraknya jauh dari tempat tinggal, ketidakhadiran dan keterbatasan dokter gigi serta kesadaran masyarakat terhadap kesehatan gigi dan mulut yang masih rendah menyebabkan proses penyembuhan yang lama. Selain itu di beberapa klinik, asisten dokter gigi memilki pengetahuan terbatas tentang penyakit gigi dan mulut. Oleh karena itu, klasifikasi penyakit gigi dan mulut dapat mempermudah dalam mengidentifikasi penyakit. Dalam penelitian ini untuk klasifikasi penyakit gigi dan mulut menggunakan metode Learning Vector Quantization (LVQ) dengan parameter berupa gejala dari penyakit gigi dan mulut yaitu gigi berlubang, gigi sakit ketika mengunyah atau menggigit, gusi berdarah, gusi kemerahan, adanya karang gigi, gusi ngilu ketika makan dan minum, gusi bengkak, gusi gatal, gusi terasa sakit spontan, gigi sisa akar, gigi terasa sakit terus menerus, gusi terasa sakit, bau mulut, sakit sampai ke telinga dan gigi berubah warna. Sistem bekerja dengan tahapan pelatihan dan pengujian yang akan menghasilkan kelas berupa kelas pulpitis, gingivitis, periodontitis, dan nekrosis pulpa. Hasil rata-rata akurasi terbaik yaitu 100 % dengan menggunakan perbandingan data uji dan data latih sebesar 10:90, laju pembelajaran = 0.1, konstanta laju pembelajaran = 0.2, laju pembelajaran minimum = 10-5, dan jumlah iterasi maksimum = 10.