vi
Perbandingan Kecepatan Dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit Leukemia
ABSTRAK
Identifikasi penyakit dengan pemanfaatan jaringan syaraf tiruan memungkinkan memberikan hasil yang lebih cepat dan tepat. Identifikasi penyakit leukemia ini akan menggunakan dan membandingkan kecepatan dan ketepatan identifikasi metode LVQ dan Kohonen. Pada metode LVQ pelatihan dilakukan pada setiap pola masukan. Hasil pelatihannya akan dibandingkan dengan target. LVQ merupakan jaringan syaraf tiruan dengan dua jenis lapisan, yaitu lapisan kompetitif dan lapisan linier. Sedangkan metode kohonen, pelatihan dilakukan dengan cara mengelompokkan inputan sehingga hasil yang diperoleh merupakan kelas atau cluster. Objek yang diidentifiksi adalah penyakit leukemia dengan empat pembagian jenis umumnya yaitu Leukemia Limfosit Akut, Leukemia Mieloid Akut, Leukemia Limfosit Kronis dan Leukemia Mieloid Kronis.Sistem identifikasi ini dilatih dengan diberi 20 sampel jenis penyakit dengan masing-masing memiliki 20 gejala. Dengan parameter epochs maksimal 1000, dan goal performance 0,0001. Setelah dilatih sistem diberikan pengujian dengan memasukkan gejala sesuai dengan sampel. Berdasarkan hasil uji identifikasi yang dilakukan, diketahui bahwa metode Kohonen dapat mengenali pola lebih cepat daripada metode LVQ dimana rata-rata waktu yang dibutuhkan metode Kohonen adalah 4.20 detik sedangkan metode LVQ 5.80. Dan persentase ketepatan LVQ lebih tinggi dengan 100% sedangkan Kohonen persentase ketepatannya 50%.
vii
Speed and Accuracy Comparison Between Learning Vector Quantization And Kohonen At Identify Leukemia.
ABSTRACT
Identification of disease with the use of neural network sallow provide results more quickly and precisely. Identification of leukemia will use and compare the
identification‘s speedand accuracy of the LVQ and Kohonen method. In training of
LVQ method performed on each input pattern. The training results will be compared with the target. LVQ is aneural network with two types of layers, namely the competitive layer and the linear layer. While the Kohonen method, the training is done by classifying the input so that the results obtained are a classor cluster. The object that identified is leukemia with its four general types, namely of acute Lymphocyte Leukemia, acute myeloid leukemia, chronic lymphocytic leukemia and chronic myeloid leukemia. This identification system is trained with a given with 20 samples type of disease and each had 20 symptoms. With a maximum of 1000 epochs, and performance goals 0.0001 parameters. Once the system is trained, its be tested by input ting the symptoms in accor dance with of the sample. Based on the results of the identification test is carried out, it is known that the Kohonen method can recognize patterns faster than LVQ method for which the average time required Kohonen method is 4:20 seconds while LVQ method 5.80. And a higher percentage of LVQ accuracy with 100% accuracy while Kohonen percentage 50%.
