Ratnaningtyas Widyani Purnamasari, 4111409005 (2013) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI SISTEM DETEKSI PENYAKIT TUBERCULOSIS (TBC). Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF (IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI SISTEM DETEKSI PENYAKIT TUBERCULOSIS (TBC)) Download (4MB) | Preview

Abstract

Penelitian tentang hubungan di antara fenomena-fenomena real merupakan dasar dari tujuan sains dan memainkan peranan penting dalam pengambilan keputusan di dalam kehidupan sehari-hari. Sebagai contoh adalah untuk mendeteksi penyakit TBC. Teknologi pengenalan pola dengan jaringan syaraf tiruan (JST) dapat dimanfaatkan dalam permasalahan ini dengan cara membuat sistem deteksi dini suspek atau tidaknya pasien mengidap TBC. Permasalahan yang diangkat dalam penelitian ini adalah (1) Bagaimana menciptakan suatu sistem yang dapat mendeteksi penyakit Tuberculosis (TBC) secara dini menggunakan model jaringan syaraf tiruan backpropagation? (2) Bagaimana tingkat akurasi sistem dalam mendeteksi suspek atau tidaknya pasien mengidap penyakit Tuberculosis (TBC) berdasarkan data-data yang ada? Metode yang digunakan untuk menganalisis permasalahan dalam penelitian ini adalah dengan studi pustaka, perumusan masalah, mengumpulkan dan mengolah data-data penelitian, merancang sistem, membuat sistem, menguji sistem, dan penarikan kesimpulan. Pembahasan dilakukan yaitu tentang sistem deteksi penyakit Tuberculosis (TBC) dengan menggunakan JST backpropagation dengan memanfaatkan software matlab R2009a. Dari hasil pengujian sistem diperoleh tingkat akurasi sistem dalam mendeteksi penyakit Tuberculosis (TBC) sebesar 100%. Arsitektur jaringan yang paling baik digunakan dalam proses mendeteksi penyakit TBC adalah dengan variasi jumlah iterasi 1000, toleransi 0,001, learning rate 0,5 dan banyaknya neuron hidden layer 100. Arsitektur jaringan tersebut menghasilkan MSE sebesar 0,00144 dengan waktu training 11 detik. Penelitian ini menghasilkan simpulan, yaitu (1) Pembuatan sistem deteksi penyakit TBC menggunakan software Matlab bisa mendapatkan hasil sistem deteksi dengan tingkat akurasi yang lebih optimal. (2) Dalam proses pelatihan dan pengujian sistem dapat diperoleh tingkat akurasi sebesar 100% dengan arsitektur jaringan yang optimal sebagai berikut: variasi jumlah iterasi 1000, toleransi 0,001, learning rate 0,5 dan banyaknya neuron hidden layer 100. Dalam sistem deteksi ini hanya ada enam variabel input, sehingga peneliti menyarankan untuk penelitian selanjutnya diharapkan adanya variabel input yang lebih rinci untuk digunakan sebagai data uji dan data target karena mungkin masih banyak faktor yang menyebabkan seseorang mengidap TBC.

Actions (login required)

View Item