Text

Sistem Deteksi Dini Penyakit Tuberculosis Menggunakan Jaringan Saraf Tiruan Backpropagation Dengan Algoritma Nguyen Widrow Dan Optimasi Adaptive Learning Rate 006.32 SET s

---

ABSTRAK

Tuberculosis (TBC) adalah suatu penyakit menular yang disebabkan oleh kuman dari
kelompok Mycobacterium yaitu Mycobacterium tuberculosis. Di Indonesia, penyakit TBC
merupakan penyebab kematian nomer dua setelah penyakit jantung. Keterlambatan dalam
menyadari gejala awal TBC menyebabkan keterlambatan pengobatan sehingga TBC
menjadi sulit disembuhkan dan mengakibatkan kematian. Salah satu cara mengurangi angka
pertumbuhan TBC yaitu pendeteksian penyakit TBC. Penelitian ini bertujuan untuk
membuat sebuah sistem deteksi dini penyakit TBC menggunakan jaringan syaraf tiruan
(JST) Backpropagation dengan Algoritma Nguyen Widrow dan Optimasi Adaptive Learning
Rate. Variabel yang digunakan yaitu 8 gejala utama penyakit TBC. Data penelitian berasal
dari data rekam medis pasien TBC di Balai Kesehatan Paru Masyarakat (BKPM) Wilayah
Semarang. Data yang diambil untuk penelitian ini sebanyak 180, digunakan sebagai data
data pelatihan sebanyak 120 dan 60 data pengujian. Hasil pelatihan menunjukkan bahwa
arsitektur Backpropagation terbaik didapat pada kombinasi parameter menggunakan 1
hidden layer dengan 5 neuron, 1000 epoch, error target 0,0001; laju pembelajaran 0,5;
dengan maksimum kenaikan kerja (max_perf) 1,04; rasio kenaikan laju pembelajaran
(lr_inc) 1,05 dan rasio penurunan laju pembelajaran (lr_dec) 0,6. Arsitektur terbaik
menghasilkan MSE sebesar 0,000047807 dengan epoch sebesar 175 dan tingkat akurasi
100%. Backpropagation dengan Adaptive Learning Rate dapat mempercepat proses
pembelajaran karena menghasilkan epoch 175 dan nilai MSE 0,000047807 daripada
menggunakan Backpropagation standar yang menghasilkan epoch 805 dan nilai MSE
0,000099845.
Kata Kunci : Sistem deteksi dini penyakit Tuberculosis, Jaringan Syaraf Tiruan (JST),
Backpropagation, Adaptive Learning Rate, Algoritma Nguyen Widrow.

ABSTRACT

Tuberculosis (TB) is an infectious disease caused by the bacteria of the Mycobacterium is
Mycobacterium tuberculosis group. In Indonesia, TB disease is the number two cause of
death after heart disease. Delays in recognizing the early symptoms of tuberculosis causes
delay treatment so that TB is difficult to treat and lead to death. One way to reduce the
growth rate of tuberculosis is detection of tuberculosis. This research aims to create early
detection system of TBC using artificial neural network (ANN) Backpropagation Algorithm
Optimization Nguyen Widrow and Adaptive Learning Rate. Variables used are 8 main
symptoms of TB disease. The research data come from medical records of patients with TB
in Community Health Center Lung (BKPM) Semarang. Data taken for this study as many as
180, is used as the data a total of 120 training data and testing data 60.Training results
showed that the architecture Backpropagation best obtained on a combination of parameters
using one hidden layer with 5 neurons, 1000 epoch, error target of 0.0001, learning rate 0.5,
with a maximum increase in employment (max_perf) 1.04, the ratio of the increase in the
rate of learning (lr_inc) 1.05 and the ratio of decline learning rate (lr_dec) 0.6. The best
architecture produces MSE of 0.000047807 with the epoch of 175 and a 100% accuracy rate.
Backpropagation with Adaptive Learning Rate can accelerate the learning process for
generating epoch 175 and the MSE 0.000047807 rather than using the standard
backpropagation which produces epoch 805 and the MSE 0.000099845.
Keywords : Early detection system of Tubeculosis, Artificial Neural Network (ANN),
Backpropagation , Adaptive Learning Rate, Nguyen Widrow Algorithm.

---

Ketersediaan

439F16IV

439 F 16

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

439 F 16

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1404

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Ari Setiawan

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar