BAB 1
PENDAHULUAN
1.1 Latar
Belakang
Jaringan syaraf
tiruan (Artificial Neural Network) adalah salah satu cabang ilmu dari bidang
ilmu kecerdasan buatan (Artificial Intelligence) dan merupakan alat untuk memecahkan
masalah terutama di bidang yang melibatkan pengelompokan dan pengenalan pola
(pattern recognition). Beragam algoritma pembelajaran jaringan syaraf tiruan
yang ada terkadang menimbulkan kebingungan algoritma pembelajaran apa yang
sebaiknya digunakan (Diyah Puspitaningrum, 2006).
Dalam hal ini
diperlukan keputusan terbaik dalam memilih algoritma yang terbaik untuk
menyelesaikan masalah, dari beberapa algoritma Jaringan Saraf tersebut antara
lain Algoritma Jaringan Kohonen, algoritma Jaringan Fractal, algoritma Jaringan
Learning Vector Quantization, algoritma Jaringan Cyclic, algoritma Jaringan Alternating
Projection, dan sebagainya.
Learning Vector
Quantization (LVQ) dan Kohonen merupakan jaringan yang banyak dipakai. Keduanya
merupakan jaringan self-organizing yang memiliki neuronneuron yang dapat menyn
dirinya sendiri berdasarkan input nilai tertentu dalam suatu kelompok yang
dikenal dengan istilah cluster. LVQ dan Kohonen juga termasuk dalam jaringan
dengan pembelajaran kompetitif dimana setiap neuron akan berkompetisi untuk
merespon suatu vektor input.
Dengan hasil
yang lebih tepat dan waktu yang relatif lebih cepat, penggunaan bantuan komputer
dalam mengambil keputusan. Misalnya di dunia kedokteran, ketepatan hasil serta
hasil yang cepat sangat dibutuhkan untuk mengetahui diagnosa penyakit pasien,
terlebih lagi jika penyakit tersebut merupakan penyakit mematikan yang
membutuhkan penanganan yang cepat seperti penyakit jantung, kanker, dan sebagainya.
Leukemia
merupakan kanker yang terjadi pada sel darah manusia. Ketika terjadi leukemia,
tubuh akan memproduksi sel–sel darah yang abnormal dan dalam jumlah yang besar.
Pada leukemia, sel darah yang abnormal tersebut adalah kelompok sel darah
putih. Sel– sel darah yang terkena leukemia akan sangat berbeda dengan sel darah
normal, dan tidak mampu berfungsi seperti layaknya sel darah normal. Pada dasarnya
ada 4 tipe leukemia yaitu leukemia limfositik akut, leukemia limfositik kronis,
leukemia mielositik akut, dan leukemia mielositik kronis. Leukemia pada tahap
kronis dapat berlanjut pada tahap akut.(Arthania Retno Praida, 2008) Pada
penelitian oleh Arthania Retno Praida, Departemen Elektro Fakultas Teknik
Universitas Indonesia. Untuk mengenali penyakit kanker sel darah putih (leukemia)
dewasa ini masih dilakukan proses konvensional yang memakan waktu cukup lama
dalam proses pengenalannya.(Arthania Retno Praida, 2008) Berdasarkan hal yang
telah diuraikan di atas maka penulis ingin membuat skripsi dengan judul
Perbandingan Kecepatan dan Ketepatan Antara Learning Vector Quantization Dan
Kohonen Pada Identifikasi Penyakit Leukemia.
Contoh Skripsi Computer Science:Perbandingan Kecepatan dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit Leukemia
Downloads Versi PDF >>>>>>>Klik Disini
 |
Bab I
|
Downloads
|
|
Bab II
|
Downloads
|
|
Bab III - V
|
Downloads
|
|
Daftar Pustaka
|
Downloads
|
|
Lampiran
|
Downloads
|
Artikel terkait skripsi diantaranya : contoh proposal penelitian kualitatif, contoh proposal penelitian kuantitatif,contoh judul skripsi, contoh skripsi,contoh proposal,download skripsi, proposal skripsi, Kumpulan Contoh skripsi, contoh artikel, contoh makalah,proposal penelitian, karya tulis, judul seminar akuntansi, proposal tentang, beasiswa disertasi, laporan ta, tugas ta, tesis akuntansi keuangan, tesis kesehatan, proposal tesis akuntansi, contoh-contoh tesis, tesis gratis, tesis contoh, contoh bab 1 tugas akhir, kumpulan tugas akhir akuntansi, proposal pengajuan tugas akhir, contoh laporan tugas akhir akuntansi, judul tugas akhir jurusan akuntansi.