SISTEM DETEKSI DINI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN ADAPTIVE LEARNING RATE DAN OPTIMASI BOBOT PARTICLE SWARM OPTIMIZATION

AOFA, FIKER and Sasongko, Priyo Sidik (2018) SISTEM DETEKSI DINI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN ADAPTIVE LEARNING RATE DAN OPTIMASI BOBOT PARTICLE SWARM OPTIMIZATION. Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
Available under License Creative Commons Attribution Non-commercial Share Alike.

973Kb

Abstract

Diabetes Mellitus (DM) merupakan masalah kesehatan yang sedang berkembang pesat di Indonesia. Menurut data International Diabates Federation (IDF) pada tahun 2013 penderita DM di Indonesia sekitar 8,5 juta jiwa. Keterlambatan dalam menyadari gejala awal DM dapat menyebabkan terjadinya komplikasi dengan penyakit lain dan mengakibatkan proses pengobatan akan menjadi lebih sulit bahkan dapat menyebabkan kematian. Deteksi dini DM merupakan salah satu cara untuk mendeteksi kemungkinan seseorang terkena penyakit DM. Penelitian ini bertujuan untuk membuat sebuah sistem deteksi dini penyakit DM menggunakan jaringan syaraf tiruan Backpropagation yang dipotimasi dengan Adaptive Learning Rate dan Particle Swarm Optimization. Variabel yang digunakan yaitu gejala dan faktor pendukung DM sebanyak 9 variabel. Data penelitian yang digunakan berjumlah 80 data yang berasal dari data rekam medis di Puskesmas kabupaten Brebes. Pembagian data latih dan data uji menggunakan metode K-Fold Cross Validation. Hasil pelatihan dan pengujian menunjukkan bahwa arsitektur terbaik didapat pada kombinasi parameter menggunakan 1 hidden layer dengan 6 neuron, laju pembelajaran 0,9; dengan jumlah partikel sebanyak 20 partikel, nilai c1 dan c2 sebesar 2, maksimum kenaikan kerja (max_perf) 1,04; rasio kenaikan laju pembelajaran (lr_inc) 1,05; dan rasio penurunan laju pembelajaran (lr_dec) sebesar 0,6. Arsitektur terbaik menghasilkan rata-rata tingkat akurasi sebesar 88,75%, sensitivity sebesar 82,5%, spesificity sebesar 95% dan nilai Mean Squared Error (MSE) sebesar 0,02939 hanya dalam 30 epoch.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:60795
Deposited By:INVALID USER
Deposited On:13 Feb 2018 15:27
Last Modified:13 Feb 2018 15:27

Repository Staff Only: item control page