Text

Sistem Deteksi Dini Penyakit Kusta Menggunakan Jaringan Saraf Tiruan Backpropagation dengan Momentum 006.32

---

ABSTRAK

Penyakit kusta adalah penyakit yang disebabkan oleh bakteri Mycrobacterium leprae yang
menyerang bagian tubuh di antaranya kulit dan saraf. Gejala awal kusta yang mirip panu
menyebabkan masyarakat sering mengabaikan penyakit kusta. Padahal, sebagian besar
orang yang sudah terinfeksi bakteri kusta dan terlambat berobat mempunyai kecenderungan
untuk menjadi cacat khususnya pada tangan dan kaki. Salah satu cara mengurangi cacat
akibat kusta yaitu pendeteksian penyakit kusta secara dini. Tugas akhir ini bertujuan untuk
menerapkan jaringan saraf tiruan Backpropagation dengan momentum untuk mendeteksi
dini penyakit kusta. Input dari sistem deteksi berupa 6 gejala dan 1 faktor resiko penyakit
kusta, sementara output-nya berupa hasil deteksi apakah suspek kusta atau tidak. Data
penelitian berasal dari data rekam medis pasien di Puskesmas Kalinyamatan, Jepara. Data
yang diambil untuk penelitian ini sebanyak 75 data, terdiri dari 50 data latih dan 25 data uji.
Hasil eksperimen menunjukkan bahwa arsitektur jaringan saraf tiruan Backpropagation
dengan momentum didapatkan pada kombinasi parameter yang terdiri dari laju pembelajaran
(alfa) = 0.9, parameter momentum = 0.9, dan hidden neuron = 8 pada target error = 0.00001
dan maksimum epoch = 10000 menghasilkan nilai MSE = 0.996484 x 10-5 dan epoch = 157.
Backpropagation dengan momentum mempunyai kinerja lebih baik dari Backpropagation
tanpa momentum berdasarkan nilai MSE dan epoch.
Kata Kunci: Sistem deteksi dini penyakit kusta, Jaringan saraf tiruan, Backpropagation,
Momentum

ABSTRACT

Leprosy is a disease that is caused by Mycrobacterium leprae and attacks the body around
skin and nerves. The early symptoms of leprosy similiar to phlegm symtomp and cause
people often ignored for leprosy. In fact, the most people who were already infected with
leprosy bacteria and belated treatment have a disability tendency in the hand and feet. One
way to reduce disability due to leprosy is early detection of leprosy. This final project aims
to apply Backpropagation neural network with momentum for early detection of leprosy.
The input of the detection system in the form of 6 symptoms and 1 risk factor for leprosy,
while its output in the form of detection results whether the suspected leprosy or not. The
research data comes from medical records of patients in Puskesmas Kalinyamatan. Data
were taken for this study as many as 75 data consists of 50 training data and 25 test data.
The experimental results show that the Backpropagation neural network with momentum
gained on a combination of parameters that consists of learning rate = 0.9, momentum = 0.9,
and hidden neurons = 8 at the target error = 0.00001 and maximum epoch = 10000 produces
MSE = 0.996484 x 10-5 and epoch = 157. Backpropagation with momentum has a better
performance than backpropagation without momentum based on value of MSE and epoch.
Keywords: Early detection system of leprosy, Artificial neural networks, Backpropagation,
Momentum

---

Ketersediaan

482F17II

482 F 17

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

482 F 17

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1520

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Fitri Dewi Ardiani

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar