IMPLEMENTASI LEARNING VECTOR QUANTIZATION UNTUK DIAGNOSA PENYAKIT DIABETES MELLITUS

Abstract

Jumlah penderita Diabetes Mellitus meningkat dari tahun ke tahun. Hal ini dikarenakan keterlambatan diagnosis penyakit tersebut.Penderita penyakit tersebut biasanya meninggal akibat komplikasi.Oleh karena itu perlu dilakukan tindakan guna mengantisipasi meningkatnya jumlah penderita Diabetes Mellitus yang meninggal. Dalam penelitian ini, dibuat suatu sistem pendukung keputusan penentuan penyakit Diabetes Mellitus menggunakan Metode Learning Vector Quantization (LVQ). Variabel-variabel pendukung penegakan diagnosis seperti kadar glukosa darah puasa, kadar glukosa plasma puasa, kadar glukosa plasma tidur, kadar insulin, kadar HbA1c, kadar kolesterol HDL, kadar trigliserida, dan umur digunakan sebagai data learning, dan hasil diagnosa data learning dtetapkan sebagai target awal. Hasil dari proses pembelajaran menggunakan LVQ berupa bobot yang akan digunakan untuk proses klasisfikasi dengan menghitung jarak suatu data terhadap tiap bobot menggunakan Euclidean distance, selanjutnya dibandingkan, yang terkecilah pemenangnya. Ada 3 class berupa diagnosa pasien tersebut mengidap Diabetes Melitus type 1, Diabetes Melitus type 2 atau Negatif Diabetes.Dengan 300 data learning, 100 untuk tiap class, didapatkan bobot yang selanjutnya dipakai untuk klasifikasi data. Dari hasil penelitian diketahui bahwa range data sangat berpengaruh terhadap hasil pengenalan. Dari berbagai macam variasi ujicoba didapatkan hasil akurasi terbaik sebesar 86% dari 300 data learning dan 100 data ujicoba.