Perbandingan Klasifikasi Menggunakan Metode Backpropagation Dan Metode Learning Vector Quantization (Studi Kasus Status Gizi Balita Kabupaten/Kota di Indonesia 2016)
| Main Author: | Rahmawati, Amalia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/176820/1/Amalia%20Rahmawati%20%283%29.pdf http://repository.ub.ac.id/176820/ |
Daftar Isi:
- Klasifikasi merupakan proses menemukan sekumpulan model yang dapat digunakan untuk menggambarkan dan membedakan konsep atau kelas-kelas data yang kelasnya tidak diketahui sebelumnya. Salah satu metode klasifikasi yang berkembang dari kelompok machine learning di bidang artificial intelligence adalah jaringan syaraf tiruan. Penelitian ini bertujuan untuk melakukan perbandingan ketepatan hasil klasifikasi metode backpropagation dan metode learning vector quantization terhadap data status gizi balita kabupaten/kota di Indonesia pada tahun 2016. Ketepatan klasifikasi dapat ditentukan melalui hit ratio, semakin besar hit ratio menunjukkan bahwa hasil klasifikasi semakin baik. Dengan menggunakan 80% data training dan 20% data testing maka diperoleh hit ratio metode backpropagation dengan enam neuron hidden layer sebesar 77,88% dan metode learning vector quantization dengan size codebook 9 sebesar 80,77%. Secara keseluruhan dapat disimpulkan bahwa ketepatan klasifikasi terbaik pada data status gizi balita kabupaten/kota di Indonesia tahun 2016 diperoleh menggunakan metode learning vector quantization dengan size codebook 9.