PREDIKSI PENDONOR DARAH POTENSIAL MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTITATION

Ni Komang Susiani (2019) PREDIKSI PENDONOR DARAH POTENSIAL MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTITATION. Undergraduate Theses thesis, Universitas Tadulako.

Full text not available from this repository.

Abstract

Pendonor darah potensial merupakan pendonor darah yang bisa mendonorkan darahnya kembali setelah berhasil melalui 2 tahapan donor darah seperti tahap uji kesehatan fisik (aktaf) dan tahap uji saring (uji laboratorium). Tujuan dari penelitian ini yaitu untuk mendapatkan suatu aplikasi yang dapat digunakan untuk memprediksi pendonor darah potensial yang akan mendonorkan darahnya kembali di Unit Transfusi Darah PMI Kota Palu, Sigi, dan Donggala, serta mendapatkan tingkat akurasinya dengan menggunakan algoritma Learning Vector Quantitation. Aplikasi prediksi pendonor darah potensial ini lebih mempermudah masyarakat untuk mengetahui apakah mereka bisa mendonorkan darahnya atau tidak. Klasifikasi dilakukan dengan menggunakan 300 data yang terdiri dari 70 ?ta pelatihan dan 30 ?ta pengujian. Data yang digunakan pada penelitian ini merupakan data yang di abil pada tahun 2018. Hasil akurasi dari bobot terbaik pada tahap 1 yaitu sebesar 95,56% diperoleh dengan menggunkan laju pelatihan sebesar 0,000001 ? ???? ? 0,25 dan pengurangan laju pelatihan yang bervarian. Sedangkan hasil bobot terbaik pada tahap 2 memiliki rata-rata tingkat akurasi sebesar 100 % diperoleh dengan menggunakan laju pelatihan sebesar 0,000001 ? ???? ? 0,5 dan pengurangan laju pelatihan yang bervarian. pengurangan laju pelatihan (?????) yang bervarian. Kata kunci : Akurasi, Donor darah, Learning Vector Quantitation (LVQ)

Item Type: Thesis (Undergraduate Theses)
Subjects: University Structure > Faculty of Mathematics and Natural Sciences > Mathematics
S1 - Undergraduate Thesis > Faculty of Mathematics and Natural Sciences > Mathematics
Divisions: Faculty of Mathematics and Natural Sciences > Mathematics
Tadulako Subject Areas > S1 - Undergraduate Thesis > Faculty of Mathematics and Natural Sciences > Mathematics
Depositing User: system estd estd
Date Deposited: 08 Oct 2019 07:03
Last Modified: 08 Oct 2019 06:35
URI: http://repository.untad.ac.id/id/eprint/1918

Actions (login required)

View Item View Item