TY - JOUR AU - Frangkamon, Budi AU - Nasution, Yuki Novia AU - Purnamasari, Ika PY - 2019/05/10 TI - PENGGUNAAN WEIGHTED PROBABILISTIC NEURAL NETWORK (WPNN) DALAM KLASIFIKASI DATA BERAT BAYI LAHIR BERDASARKAN USIA IBU, JARAK PARITAS DAN MASA GESTASI JF - Prosiding Seminar Nasional Matematika dan Statistika; Vol 1 (2019): Prosiding Seminar Nasional Matematika dan Statistika KW - N2 - Weighted Probabilistic Neural Network (WPNN) merupakan modifikasi PNN pada pembobotan setiap kelas klasifikasi. WPNN memiliki kelebihan untuk meningkatkan akurasi dalam ketepatan klasifikasi. WPNN sangat tergantung pada parameter smoothing ( ) yang digunakan. Pada penelitian ini WPNN akan diterapkan pada kasus Berat Bayi Lahir Rendah (BBLR). Menurut Departemen Kesehatan Republik Indonesia status BBLR di Indonesia ditentukan oleh berat bayi ketika dilahirkan. BBLR dapat disebabkan oleh faktor lain yaitu faktor ibu dan faktor janin ketika masih dalam kandungan. Oleh karena itu dalam penelitian ini dilakukan klasifikasi pada berat bayi lahir untuk menentukan apakah bayi yang lahir masuk ke dalam kelas normal atau BBLR dengan menggunakan faktor ibu. Dari klasifikasi WPNN pada berat bayi lahir dengan menggunakan 3 faktor yaitu usia ibu, jarak paritas dan masa gestasi didapatkan hasil bahwa tingkat akurasi klasifikasi berat bayi lahir menggunakan metode WPNN yang paling baik adalah pada proporsi data training dan data testing 80:20 dengan   = 0,1. Hasil akurasi antar data training sebesar 93,75% dan akurasi antara data testing dan data training sebesar 90%. UR - https://jurnal.fmipa.unmul.ac.id/index.php/SNMSA/article/view/516