MODEL JARINGAN SARAF TIRUAN EXTREME LEARNING MACHINE UNTUK DETEKSI GAGAL GINJAL KRONIS (GGK)

Abstract

Penderita gagal ginjal kronis dari tahun ke tahun selalu mengalami peningkatan. Deteksi penyakit gagal ginjal kronis bisa menjadi salah satu referensi untuk penanganan selanjutnya. Deteksi dapat dilakukan dengan memanfaatkan teknologi jaringan saraf tiruan dan dalam penelitian ini menggunakan model jaringan saraf tiruan extreme learning machine (ELM). Model jaringan saraf tiruan ELM dipilih karena performa klasifikasinya yang mengesankan dan juga lebih unggul dari model jaringan saraf tiruan Backpropagation dalam hal kecepatan melatih jaringan. Selanjutnya, dalam penelitian ini dilakukan beberapa skenario pengujian. Hasil skenario pengujian terbaik model ini menghasilkan rata-rata performa sensitivitas sebesar 98% dan spesifisitas sebesar 100%. Hasil penelitian juga menunjukkan bahwa model hampir tidak melakukan kesalahan klasifikasi untuk data dengan kelas notckd (not chronic kidney disease) atau kelas negatif untuk semua skenario.