Abstrak Kardiotokografi adalah metode investigasi yang paling disukai, dalam pemerhati penggunaan kesejahteraan janin yang praktis. Informasi yang diperoleh dari kardiotokografi, digunakan untuk mengidentifikasi awal keadaan patologis (gangguan pada janin, perkembangan penyakit pada janin atau hipoksia dan lain-lain). Organisasi Kesehatan Dunia atau WHO (World Health Organization) memperkirakan sekitar 15% dari seluruh wanita hamil akan berkembang menjadi komplikasi yang berkaitan dengan kehamilannya dan dapat mengakibatkan kematian ibu dan janin. Teknologi data mining merupakan salah satu alat bantu untuk mengoptimalkan data pada basis data yang berukuran besar, Data mining medis memiliki potensi besar untuk dipelajari pola-pola yang tersembunyi dalam kumpulan data utama medis. Dataset Kardiotokografi memiliki fitur/atribut sebanyak 36 dan diklasifikasikan menjadi 3 kelas yaitu : kelas Normal, kelas Suspect, dan kelas Pathologic dengan record sebanyak 2126. Metode Neural network dapat mengklasifikasi kardiotokografi dengan baik dibuktikan dengan nilai akurasi yang tinggi yaitu sebesar 99,15%, serta dapat membantu user untuk mengambil keputusan selanjutnya pada Karditokografi tersebut. Kata kunci: Kardiotokografi, Data Mining, Neural network Absract Kardiotokografi is the most preferred method of investigation, in the use of fetal well being observers. Information obtained from kardiotokografi, used to identify the initial state of the pathological (disorders of the fetus, the development of fetal disease or hypoxia and others). World Health Organization estimates approximately 15% of all pregnant women will develop into complications related to her pregnancy and can lead to the death of the mother and the fetus. The technology of data mining is one of the tools for optimizing the data in the data base of large-sized medical. Data mining, has great potential to learn the patterns that are hidden in the main medical data sets. Kardiotokografi DataSet features/attributes as much as 36 and are classified into three classes as follows: Normal class, class Suspect and Pathologic class with the record as much as 2126. Neural network method of classifying kardiotokografi can properly evidenced by high accuracy value of 99,15%, and can help the user to take decisions on the Karditokografi. Keywords: Kardiotokografi, Data Mining, Neural network
KSP Mekar Jaya adalah salah satu koperasi yang berada di Maleber Kuningan yang menyediakan jasa simpan pinjam bagi anggotanya. Adanya pemberian pinjaman pada anggota ini tidak jarang menimbulkan permasalahan terutama dengan terlambatnya membayar angsuran. Dilihat dari banyaknya nasabah yang melakukan kegiatan peminjaman dana maka dibutuhkan strategi untuk dapat memenuhi kegiatan itu semua, makin banyaknya calon nasabah yang mengajukan kredit dengan kondisi ekonomi yang berbeda-beda, menuntut ketelitian dalam pengambilan keputusan pemberian kredit. Untuk menghindari hal tersebut sebaiknya perlu dilakukan analisis data anggota untuk menentukam kelayan pemberian kredit, sehingga dapat diklasifikasikan layak atau tidaknya mendapatkan pinajaman Analisis data tersebut bisa dilakukan dengan menggunakan teknik data mining. Naive bayes merupakan salah satu algoritma yang dapat digunakan untuk proses data mining, algoritma naive bayes banyak digunakan oleh para peneliti sebelumnya dan mendapatkan nilai akurasi yang tinggi. Dalam penelitian ini menggunakan algoritma naive bayes dan menghasilkan nilai akurasi sebesar 76,76% dengan nilai AUC sebesar 0,824 yang berarti merupakan good classification.
Kendaraan merupakan sebuah objek yang menjadi alat transportasi penduduk khususnya di Indonesia. Kendaraan roda empat saat ini sudah beranekaragam jenisnya mulai dari kendaraan kecil, sedang sampai kendaraan besar. Tujuan penelitian ini melakukan klasifikasi jenis kendaraan roda empat dengan bidang Image Processing. Metode yang dipilih adalah metode Extreme learning machine, dimana metode ini cukup baik dalam melakukan pemroresan gambar dan untuk klasifikasi. Penelitian ini mengklasifikasikan kedalam empat class yaitu class sedan, MVP, truck dan Bus dengan total masing-masing dataset 100 gambar. Hasil dari penelitian ini membuktikan bahwa metode Extreme learning machine baik untuk mengklasifikasikan kendaraan roda empat dengan akurasi baik yaitu 86% dan nilai precisionnya 82%.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.