PENGGUNAAN WEIGHTED PROBABILISTIC NEURAL NETWORK (WPNN) DALAM KLASIFIKASI DATA BERAT BAYI LAHIR BERDASARKAN USIA IBU, JARAK PARITAS DAN MASA GESTASI

  • Budi Frangkamon Jurusan Matematika, FMIPA, Universitas Mulawarman, Indonesia
  • Yuki Novia Nasution Jurusan Matematika, FMIPA, Universitas Mulawarman, Indonesia
  • Ika Purnamasari Jurusan Matematika, FMIPA, Universitas Mulawarman, Indonesia

Abstract

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%.

Author Biography

Budi Frangkamon, Jurusan Matematika, FMIPA, Universitas Mulawarman, Indonesia

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%.

Published
2019-05-10
How to Cite
FRANGKAMON, Budi; NASUTION, Yuki Novia; PURNAMASARI, Ika. PENGGUNAAN WEIGHTED PROBABILISTIC NEURAL NETWORK (WPNN) DALAM KLASIFIKASI DATA BERAT BAYI LAHIR BERDASARKAN USIA IBU, JARAK PARITAS DAN MASA GESTASI. Prosiding Seminar Nasional Matematika dan Statistika, [S.l.], p. 1-7, may 2019. ISSN 2657-232X. Available at: <http://jurnal.fmipa.unmul.ac.id/index.php/SNMSA/article/view/516>. Date accessed: 19 sep. 2020.