Prediksi Parameter Kinematika Glukosa Menggunakan Quantum Neural Network Terbantu Oral Minimal Model.
View/ Open
Date
2019Author
Adam, Ziath
Kartono, Agus
Sumaryada, R. Tony Ibnu
Metadata
Show full item recordAbstract
Meningkatnya penderita diabetes mellitus khususnya DM tipe 2 yang ada di
seluruh dunia juga di Indonesia. Pasien-pasien pra-diabetes juga mengalami
perkembangan jumlah penderita. Adanya tes diabetes dapat membantu
menanggulangi maraknya penderita DM tipe 2, akan tetapi tes yang ada sekarang
sangat tidak nyaman untuk dilakukan karena setiap beberapa menit sekali darah
pasien akan diambil dari 6 – 10 kali. Kemampuan machine learning tepatnya
quantum neural network(QNN) yang dapat belajar dari data-data eksperimen
diprediksi dapat mengurangi frekuensi pengambilan darah pasien untuk tes
diabetes dan pada penelitian ini ditargetkan untuk menggunakan 4 data glukosa
pada darah. Penelitian ini membutuhkan program oral minimal model(OMM)
untuk menyiapkan data pembelejaran untuk QNN. Performa QNN dilihat dari eror
hasil program. Performa QNN untuk parameter kinematika glukosa cukup
menjanjikan dengan menghasilkan nihil pada eror dalam prosesnya. Hal ini
menyebabkan program QNN dianggap memiliki potensi yang besar untuk
mengurangi frekuensi pengambilan darah untuk tes diabetes.
Collections
- UT - Physics [1063]