Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tujuan: Tujuan dari penelitian ini adalah mendapatkan model jaringan saraf tiruan dengan algoritma pembelajaran backpropagation berdasarkan data masukan dari pola sidik jari penderita obesitas. Diharapkan model JST yang diperoleh dapat menjadi alat bantu diagnosis bagi para klinisi dalam mengidentifikasi kasus obesitas berdasarkan keturunan. Metode: Data dari pola sidik jari penderita obesitas dan data penunjang lainnya diuraikan menjadi variabel masakan Variabel keluaran ditentuknn berdasarkan kasus obesitas yang diderita oleh pasien. Kemudian data sampel dibagi dua yaitu data untuk training dan data untuk testing. Dengan menggunakan data training maka Metode Jaringan syaraf tiruan mempelajari pola sidik jari pendarita obesitas yang kemudian digunakan untuk memprediksi data testing. Akurasi identifikssi atau pengenalan pola sidik jari penderita obesitas akan sangat ditentukan oleh hasil prediksi algoritma jaringan syaraf tiruan terhadap data testing. Hasil: Dalam proses pemhelajaran dengan metode jaringan berbasil melakukan pengenal terhadap data training dengan error sebesar O,QI berhasil dicapai. Untuk prediksi polo sidik jari melalui data testing rata-rata keberhasilan adalah 71,82%. Angka prosentasi keberbasilan ini cukup baik dan depat dijadikan alat bantu bagi para praktisi medis di bidang obesitas dalam menentukan faktor keturunan dari penyakit obesitas. Kesimpulan: Percobaan ini menghasilkan model JST yang dapat diaplikasikan pada pengelan pola sidik jari pendarita obesitas. Rata-rata keberhasilan prediksi sebesar 71,82% dapat ditingkat dengan menambah data training bagi Metode Jaringan Saraf Tiruan.

---

Objective: The objective of this research is to obtain an artificial neural network model with backpropagation learning algorithm based on input data from the fingerprint pattern of the obese patients. It is expected that ANN models can be obtained as diagnostic tool for clinicians in identifying cases of obesity based on descent.

Methods: Data from the fingerprint pattern of obesity and other supporting data is decomposed into input variables. Output variable is determined on a case-obesity suffered by the patient Then the sampled data is divided into two data. One for training and other for testing. By using training data. the method of artificial neural networks learn the patterns of the obese fingerprint which is then used to predict the testing data. Accuracy of fingerprint pattern recognition of obesity will be detemined by the results of neural network algorithm prediction against testing data.

Results: In the learning process stage, Artificial Neural Network succceded in identifying a network of training with error 0.01 was achieved. For the prediction of fingerprint patterns through data testing success rate was 80%. The rate for the percentage of success is quite good and can be used as a tool for medical practitioners in the field of obesity in determining obesity cases base of genetic factor.

Conclusion: This experiment resulted ANN model that can be applied to the fingerprint pattern recognition of obese patients. The average prediction success of 71,82% would be increase if we can add more data for 1raining process for Neural Network Method."

"ABSTRACTPenelitian ini membahas mengenai implementasi kebijakan pengendalian dan evaluasi perencanaan pembangunan daerah oleh Direktorat Perencanaan, Evaluasi, dan Informasi Pembangunan Daerah, Direktorat Jenderal Bina Pembangunan Daerah, Kementerian Dalam Negeri. Penelitian ini menggunakan pendekatan kualitatif dengan teknik pengumpulan data melalui wawancara dan studi literatur. Hasil penelitian menunjukkan bahwa implementasi kebijakan secara umum sudah cukup baik sesuai amanat Peraturan Menteri Dalam Negeri Nomor 54 Tahun 2010. Telah dilakukan pengendalian terhadap kebijakan, pengendalian terhadap pelaksanaan, dan evaluasi hasil melalui pemantauan dan supervisi serta evaluasi rancangan peraturan daerah/kepala daerah dengan baik, namun konsistensi dokumen perencanaan masih perlu peningkatan. Implementasi kebijakan didukung pengembangan Sistem Informasi Pembangunan Daerah SIPD. Hambatan dalam implementasi meliputi masalah anggaran, sumber daya manusia aparatur Direktorat PEIPD dan pemerintah daerah, SIPD belum optimal, serta regulasi dan penyusunan Renstra. Saran dari hasil penelitian meliputi bimbingan teknis, diklat dan konsolidasi baik pusat maupun daerah, penyelesaian regulasi, dan percepatan pengembangan SIPD.

---

ABSTRACTThis research dicusses the implementation of monitoring and evaluation of regional development planning policy by The Directorate of Planning, Evaluation, and Information on Regional Development, Directorate General Development of Regional Development, Ministry of Home Affairs. This research used a qualitative approach with data collection techniques through interviews and literature studies. The result of the research shows that the implementation of the policy in general is good enough as mandated by the Peraturan Menteri Dalam Negeri Nomor 54 Tahun 2010. It has been done to monitoring of policies, monitoring over implementation, and evaluation of the result through monitoring and supervision as well as the evaluation of the draft of local regulation, but the consistency of planning documents still needs improvement. Implementation of policies supported by Regional Development Information System SIPD. Obstacles in implementation include budget issues, human resources apparatus of Directorate of PEIPD and local government, SIPD not yet optimal, and regulation and arrangement of strategic plan. Suggestions from the research results include technical guidance, training and consolidation both central and local governments, completion of regulation, and acceleration of SIPD development."