Klasifikasi Berat Badan Lahir Rendah (BBLR) Pada Bayi Dengan Metode Learning Vector Quantization (LVQ)
| Main Author: | Agustin, Suryani |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/166941/ |
Daftar Isi:
- Berat Badan Lahir Rendah (BBLR) adalah kondisi dari seorang bayi lahir dengan berat badan kurang dari 2500 gram. BBLR dapat terjadi pada kondisi bayi prematur maupun mature. Penyebab dari BBLR sendiri sangat beragam diantaranya yaitu usia ibu hamil, jarak antar kehamilan, jumlah kehamilan sebelumnya, kandungan gizi, kadar hemoglobin dan pendidikn terakhir dari ibu hamil juga turut berperan menjadi penyebab BBLR. BBLR merupakan salah satu faktor dari kematian pada bayi di Indonesia. Pencegahan dan penanganan pada ibu hamil saat mengetahui akan melahirkan bayi dengan kondisi BBLR sangat diperlukan, untuk mengurangi angka kematian saat proses kelahiran. Diharapkan dengan adanya sistem klasifikasi berat badan lahir rendah pada bayi ini dapat membantu untuk mengidentifikasi kondisi bayi pada ibu hamil sebelum bayi dilahirkan. Penelitian ini menggunakan metode Learning Vector Quantization (LVQ) dengan 96 data dan 6 fitur yaitu usia, pendidikan, paritas, interval kelahiran, hemoglobin dan status gizi. Dan akan diklasifikasikan 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 yaitu learning rate 0.1, pengurang learning rate 0.1 dan maksimum epoch sebanyak 5. Pada pengujian k-fold cross validation nilai akurasi tertinggi sebesar 58.3% dan untuk nilai akurasi rata-ratanya adalah 46.85%.