Text

Sistem Deteksi Dini Penyakit Demam Berdarah Dengue Menggunakan Jaringan Saraf Tiruan Algoritma Resilient Backpropagation 006.32

---

ABSTRAK

Demam Berdarah Dengue (DBD) merupakan penyakit yang disebabkan oleh infeksi virus
Dengue yang ditularkan melalui gigitan nyamuk Aedes. Di Indonesia, DBD masih
merupakan salah satu masalah kesehatan masyarakat yang utama. Keterlambatan dalam
menyadari gejala DBD menyebabkan keterlambatan pengobatan yang dapat berakibat fatal
hingga mengakibatkan kematian. Salah satu cara mengurangi angka kematian akibat DBD
yaitu pendeteksian penyakit DBD secara dini. Penelitian ini bertujuan untuk membuat
sebuah sistem deteksi dini penyakit DBD menggunakan Jaringan Syaraf Tiruan (JST)
algoritma Resilient Backpropagation. Input dari sistem deteksi berupa 8 gejala penyakit
DBD, sementara output-nya berupa hasil deteksi apakah suspek DBD atau tidak. Data
penelitian berasal dari data rekam medis pasien di Puskesmas Cangkringan, Sleman,
Yogyakarta. Data yang diambil untuk penelitian ini sebanyak 70 data. Hasil penelitian
menunjukkan bahwa arsitektur terbaik jaringan adalah 8-40-1. Pelatihan menggunakan
algoritma Resilient Backpropagation menghasilkan MSE sebesar 4.891E-05 pada epoch 17
dengan tingkat akurasi pengujian sebesar 98.57%. Dibandingkan dengan algoritma
Backpropagation Standar, pelatihan menggunakan algoritma Resilient Backpropagation
memiliki ketelitian jaringan yang lebih baik dan mencapai konvergensi dengan lebih cepat,
tetapi pengujiannya menghasilkan akurasi yang lebih rendah.
Kata Kunci: Sistem deteksi dini penyakit DBD, Jaringan Syaraf Tiruan (JST), Resilient
Backpropagation

ABSTRACT

Dengue Hemorrhagic Fever (DHF) is a disease caused by infection of dengue virus that
transmitted through the bite of Aedes mosquito. In Indonesia, DHF is still one of the major
public health problem. Delays in recognizing symptoms of DHF causing delays in treatment
that can cause a fatal consequences to result in death. One of the ways to reduce mortality
due to DHF is an early detection of DHF. This research aimed to create a system of early
detection of DHF using Artificial Neural Network (ANN) with Resilient Backpropagation
algorithm. The input of the detection system are 8 symptoms of DHF, while its output are
detection results whether suspected DHF or not. The research data taken from medical
records of patients in Puskesmas Cangkringan, Sleman, Yogyakarta. Data taken for this
study are 70 data. The results showed that the best architecture of the network is 8-40-1.
Resilient Backpropagation training algorithm produced MSE of 4.891E-05 at epoch 17 with
the accuracy of the testing of 98.57%. Compared with Standard Backpropagation algorithm,
Resilient Backpropagation training algorithm had a better accuracy and achieved faster
convergence, but produced lower accuracy in testing.
Keywords: Early detection system of DHF, Artificial Neural Network (ANN), Resilient
Backpropagation

---

Ketersediaan

475F17II

475 F 17

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

475 F 17

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1506

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Deasy Febriasari ()

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar