BAB IV HASIL DAN PEMBAHASAN
|
|
- Hendri Kusnadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 digilib.uns.ac.id 40 BAB IV HASIL DAN PEMBAHASAN Dalam bab IV ini dibahas tentang rangkaian proses pengolahan data EKG. Bagian pertama dibahas proses pengambilan data EKG dan hasil ekstraksi fitur EKG yang digunakan sebagai masukan. Bagian yang kedua dibahas tentang proses pelatihan Jaringan Syaraf Tiruan (JST). Bagian yang ketiga dibahas tentang proses pengujian JST, dan pada bagian terakhir diperbandingkan hasil yang diperoleh dari pengujian JST dengan regresi berganda Proses Pengambilan Data dan Ekstraksi Fitur EKG Bagian pengambilan data dan ekstraksi fitur EKG adalah bagian yang paling utama dari proses penelitian ini. Data EKG diperoleh dari organisasi Massachusetts Institute of Technology Beth Israel Hospital (MIT-BIH) database di dalam situs resminya Jumlah data yang digunakan sebagai sample dalam penelitian ini sebanyak 8870, yang terdiri 7559 data normal dan 1311 data PVC. Data tersebut berasal dari pasien dengan nomor data 116,119, 221, dan 228. Jumlah data yang digunakan pada setiap pasien ditunjukkan pada tabel 4.1. Tabel 4.1. Jumlah data normal dan PVC Pasien Normal PVC Total data Proses ekstraksi fitur EKG dilakukan pada masing-masing pasien, dengan jenis fitur gradien puncak gelombang R, interval RR, interval QR, segmen ST, dan interval QRS. Ekstraksi fitur yang pertama adalah penentuan fitur gradien gelombang R. Gambar 4.1. menunjukkan perbedaan commit puncak to user gelombang R normal dan PVC. 40
2 Amplitudo (Mikrovolt) perpustakaan.uns.ac.id digilib.uns.ac.id 41 Garis merah menunjukkan gelombang R PVC, sedangkan garis biru menunjukkan gelombang R normal. Garis hitam tebal menunjukkan kemiringan dari gelombang. Pada garis hitam tersebut adalah letak titik-titik kemiringan yang diambil untuk menentukan besarnya gradien puncak gelombang R. Tabel 4.2. Hasil ekstraksi fitur EKG untuk gradient gelombang R Gradien Gelombang R Pasien Normal PVC 116 (0,63 ± 0,18) (0,20 ± 0,10) 119 (0,20 ± 0,10) (0,16 ± 0,04) 221 (0,62 ± 0,11) (0,16 ± 0,06) 228 (0,43 ± 0,11) (0,23 ± 0,08) Rata-rata (0,61 ± 0,17) (0,18 ± 0,07) 1500 Gradien Gelombang Normal dan PVC R Waktu (s) Gambar 4.1 Puncak gelombang R, dengan biru adalah gelombang normal dan merah adalah PVC Berdasarkan gambar 4.1 dapat dilihat bahwa lebar puncak gelombang R PVC lebih besar dari pada normal. Hal tersebut berhubungan dengan panjang interval QRS pada PVC yang lebih lebar dari pada QRS normal. Lambatnya konduksi impuls melalui otot ventrikel menyebabkan panjang gelombang QRS pada PVC menjadi lebih lebar dari pada normal. Dengan demikian, kemiringan dari gelombang R normal lebih commit besar dari to user pada kemiringan dari gelombang R
3 Amplitudo (Mikrovolt) perpustakaan.uns.ac.id digilib.uns.ac.id 42 PVC, yang ditunjukkan pada tabel 4.2. Nilai rata-rata untuk gradien gelombang R normal dan PVC secara berturut-turut adalah (0,61 ± 0,17) dan (0,18 ± 0,07). Tahap ekstraksi fitur yang ke dua adalah ekstraksi fitur interval RR. Hasil ekstraksi fitur interval RR pada tabel 4.3 menunjukkan bahwa lebar interval RR normal lebih besar dari pada RR PVC. Nilai rata-rata untuk RR normal adalah (0,86 ± 0,18) detik dan untuk RR PVC adalah (0,52 ± 0,09) detik. Tabel 4.3. Hasil ekstraksi fitur EKG untuk interval RR Interval RR (detik) Pasien Normal PVC 116 (0,76 ± 0,06) (0,50 ± 0,04) 119 (1,02 ± 0,19) (0,51 ± 0,09) 221 (0,80 ± 0,18) (0,47 ± 0,07) 228 (0,95 ± 0,15) (0,57 ± 0,10) Rata-rata (0,86 ± 0,18) (0,52 ± 0,09) 1500 Interval RR Gelombang Normal dan PVC R R R R Waktu (s) Gambar 4.2. Perbandingan gelombang antara Interval RR normal (biru) dan PVC (merah) Panjang interval RR sebelum gelombang PVC lebih pendek dari pada gelombang normal, hal ini dikarenakan gelombang P pada PVC tidak muncul akibat adanya gangguan konduksi. Sehingga interval RR pada PVC memiliki panjang yang lebih pendek. Interval commit RR to user normal dan PVC ditunjukkan pada
4 Amplitudo (Mikrovolt) perpustakaan.uns.ac.id digilib.uns.ac.id 43 Gambar 4.2, dengan garis merah adalah RR PVC dan garis biru adalah RR normal. Ekstraksi fitur yang ke tiga adalah ekstraksi fitur untuk menentukan interval QR. Hasil ekstraksi fitur interval QR pada tabel 4.4 menunjukkan bahwa interval QR normal lebih kecil dari pada interval QR PVC. Nilai rata-rata untuk QR normal adalah (0,06 ± 0,02) detik dan untuk QR PVC adalah (0,09 ± 0,03) detik. Tabel 4.4. Hasil ekstraksi fitur EKG untuk interval QR Interval QR (detik) Pasien Normal PVC 116 (0,06 ± 0,07) (0,13 ± 0,01) 119 (0,04 ± 0,01) (0,07 ± 0,01) 221 (0,08 ± 0,01) (0,12 ± 0,02) 228 (0,04 ± 0,01) (0,08 ± 0,01) Rata-rata (0,06 ± 0,02) (0,09 ± 0,03) 1500 Interval QR Gelombang Normal dan PVC R Q Waktu (s) Gambar 4.3. Perbandingan gelombang antara interval QR normal (biru) dan PVC (merah) Interval QR dari gelombang EKG PVC berbeda dengan gelombang EKG normal. Hal ini dikarenakan depolarisasi ventrikel pada PVC terjadi lebih awal dari pada gelombang normal. Hal tersebut mengakibatkan interval QR pada PVC lebih panjang dari pada gelombang normal. Panjang interval QR normal dan PVC
5 Amplitudo (Mikrovolt) perpustakaan.uns.ac.id digilib.uns.ac.id 44 dapat dilihat pada gambar 4.3. Garis merah menunjukkan interval QR PVC sedangkan garis biru menunjukkan interval QR normal. Ekstraksi fitur yang ke empat adalah segmen ST. Hasil ekstraksi fitur segmen ST pada tabel 4.5 menunjukkan bahwa lebar segmen ST normal lebih besar dari pada ST PVC. Nilai rata-rata untuk ST normal adalah 0,23 ± 0,04 detik dan untuk ST PVC adalah 0,13 ± 0,05 detik. Berdasarkan gambar 4.4 dapat dilihat bahwa panjang segmen ST normal (warna biru) dan panjang segmen ST PVC (warna merah) memilki panjang rentang dan bentuk yang berbeda. segmen ST normal lebih panjang dari pada segmen ST PVC. Selain itu gelombang T normal memilki bentuk defleksi ke atas, sedangkan T PVC memiliki bentuk defleksi ke bawah. Tabel 4.5. Hasil ekstraksi fitur EKG untuk segmen ST Segmen ST (detik) Pasien Normal PVC 116 (0,20 ± 0,01) (0,15 ± 0,01) 119 (0,28 ± 0,01) (0,19 ± 0,01) 221 (0,25 ± 0,02) (0,09 ± 0,02) 228 (0,20 ± 0,02) (0,10± 0,03) Rata-rata (0,23 ± 0,04) (0,13 ± 0,05) 1400 Segmen ST Gelombang Normal dan PVC S T S T Waktu (s) Gambar 4.4. Perbandingan gelombang antara segmen ST normal (biru) dan PVC (merah)
6 digilib.uns.ac.id 45 Bentuk gelombang T pada PVC terbalik dan segmen ST lebih sempit dipicu karena adanya gangguan depolarisasi dan repolarisasi. Setiap gangguan proses depolarisasi juga sealu diikuti dengan gangguan proses repolarisasi. Gangguan repolarisasi ini menyebabkan gambaran gelombang T yang abnormal, pada kasus ini ditunjukkan bentuk gelombang T terbalik. Selain itu segmen ST pada PVC juga akan memiliki panjang yang lebih sempit dari pada segmen ST normal (Karim, 1996). Ekstraksi fitur yang terakhir adalah interval kompleks QRS. Hasil ekstraksi fitur interval kompleks QRS pada tabel 4.6 menunjukkan bahwa interval kompleks QRS normal lebih kecil dari pada interval QRS PVC. Nilai rata-rata untuk QRS normal adalah (0,07 ± 0,01) detik dan untuk QRS PVC adalah (0,17 ± 0,03) detik. Tabel 4.6. Hasil ekstraksi fitur EKG untuk interval kompleks QRS Pasien Interval Kompleks QRS (detik) Normal PVC 116 (0,08 ± 0,01) (0,17 ± 0,01) 119 (0,06 ± 0,01) (0,15 ± 0,01) 221 (0,08 ± 0,01) (0,20 ± 0,02) 228 (0,08 ± 0,01) (0,17 ± 0,03) Rata-rata (0,07± 0,01) (0,17 ± 0,03) Panjang interval QRS normal dan PVC dapat dilihat pada gambar 4.5. Garis merah menunjukkan interval QRS PVC sedangkan garis biru menunjukkan interval QRS normal, sehingga dapat dilihat bahwa panjang interval QRS PVC lebih besar dari pada normal. Hal ini dikarenakan impuls ekstrasistol dikonduksi melalui otot ventrikel sehingga lebih lambat dibandingkan dengan konduksi normal melalui berkas his (Karim, 1996). Hal ini menyebabkan panjang interval QRS PVC lebih lebar dari pada QRS normal.
7 Amplitudo (Mikrovolt) perpustakaan.uns.ac.id digilib.uns.ac.id Interval Kompleks QRS Gelombang Normal dan PVC R Q S 800 Q Waktu (s) S Gambar 4.5 Perbandingan gelombang antara interval QRS normal (biru) dan PVC (merah) 4.2. Pelatihan JST Tahap pelatihan JST adalah tahap pertama yang dilakukan sebelum tahap pengujian. Tahap pelatihan bertujuan untuk mencari bobot yang akan digunakan sebagai penghitungan dalam tahap pengujian. Ada beberapa parameter yang digunakan dalam tahap pelatihan, diantaranya adalah momentum, lapisan tersembunyi, learning rate ( ), dan sum square error (sse). Momentum adalah salah satu nilai parameter yang ditambahkan pada pelatihan JST. Penambahan momentum ini bertujuan untuk menghindari perubahan bobot yang sangat mencolok akibat nilai masukan fitur yang berbedabeda. Sedangkan parameter yang lain adalah learning rate ( ) yang merupakan parameter laju pelatihan. Keberadaan learning rate ini sangat berpengaruh pada proses pelatihan. Ketika nilai learning rate kecil, maka penurunan gradien akan terlaksana dengan baik, namun hal ini dapat menyebabkan jumlah iterasi pada proses pelatihan meningkat (Jumarwanto dkk, 2009). JST yang digunakan dalam penelitian adalah JST backpropagation. Jenis JST tersebut akan bergerak berulang ke belakang sampai diperoleh nilai sse yang diharapkan. Sse merupakan hasil jumlah kuadrat antara selisih keluaran yang sebenarnya dan keluaran yang diharapkan (Jumarwanto dkk, 2009). Persamaan untuk penghitungan nilai sse ditunjukkan pada persamaan 3.1. Ketika nilai sse
8 digilib.uns.ac.id 47 telah mencapai nilai yang diharapkan, maka iterasi akan berhenti dan diperoleh nilai bobot. Berdasarkan nilai bobot yang diperoleh, dapat ditentukan nilai sensitifisitas, speifisitas, dan akurasi. Besarnya nilai sensitifitas, spesifisitas, dan akurasi pada tahap pelatihan dapat digunakan sebagai acuan untuk proses pengujian. Apabila hasil ketiga tersebut yang diperoleh pada proses pelatihan baik, maka hasil yang akan diperoleh pada proses pengujian cenderung baik. Namun, akurasi yang diperoleh pada tahap pelatihan cenderung akan lebih tinggi dari pada akurasi pada tahap pengujian. Hal tersebut dikarenakan tahap pelatihan menggunakan jaringan syaraf tiruan untuk memperoleh nilai bobot yang terbaik. Hasil bobot yang diperoleh dari tahap pelatihan digunakan untuk masukan tahap pengujian. Tabel 4.7. Hasil pelatihan JST Fitur Sensitifitas Spesifisitas Akurasi 2 94,87 99,12 98, ,44 99,56 99, ,00 99,56 99, ,00 100,00 100,00 Keterangan : Fitur 2 : Interval RR dangradien Gelombang R Fitur 3 : Interval RR, QR, dangradien Gelombang R Fitur 4 : Interval kompleks ST, RR, QR, dan Gradien Gelombang R Fitur 5 : Interval kompleks QRS, RR, QR, ST, dan Gradien Gelombang R Proses pelatihan JST dilakukan untuk setiap variasi fitur, yaitu dari 2 fitur, 3 fitur, 4 fitur, dan 5 fitur yang ditunjukkan pada tabel 4.7. Hasil tersebut menunjukkan bahwa setiap penambahan fitur menunjukkan perubahan nilai sensitifisitas, spesifisitas, dan akurasi yang semakin meningkat. Hasil pelatihan yang paling baik adalah pelatihan pada variasi lima buah fitur, dengan nilai sensitifisitas, spesifisitas, dan akurasi secara keseluruhan adalah 100%. Selain hasil sensitifisitas, spesifisitas, dan akurasi, hasil dari proses pelatihan juga berupa grafik hasil pelatihan. Grafik hasil pelatihan ditunjukkan pada gambar 4.6. Sumbu x adalah epoch (jumlah perulangan pembelajaran, bias juga disebut
9 sse perpustakaan.uns.ac.id digilib.uns.ac.id 48 iterasi), sedangkan sumbu y adalah sse (sum square error). Yang mana nilai epoch berbanding terbalik dengan nilai sse. Semakin besar epoch maka nilai sse semakin kecil. Iterasi (epoch) berjalan secara terus menerus sampai diperoeh nilai sse yang diharapkan, yaitu sebesar 0,02. Hal ini dikarenakan semakin kecil nilai sse yang diharapkan, maka hasil sensitifitas, spesifisitas, serta akurasi pada tahap pelatihan dan pengujian juga semakin baik.selama proses perulangan untuk memperoleh nilai sse yang terbaik, maka nilai bobot (w) juga selalu berubah sampai memperoleh nilai sse yang diharapkan, sehingga besarnya nilai sensitifisitas, spesifisitas, dan akurasi juga akan menjadi lebih baik Perbandingan Tingkat Kemiringan Grafik Pelatihan JST Fitur 2 Fitur 3 Fitur 4 Fitur Epochs Gambar 4.6. Perbandingan tingkat kemiringan grafik pelatihan JST Kemiringan dari grafik dalam suatu pelatihan menunjukkan seberapa cepat sistem mencapai sse yang diharapkan dalam waktu yang relatif singkat. Berdasarkan perbandingan tingkat kemiringan hasil JST dari empat grafik pada gambar 4.6, grafik yang memiliki kemiringan paling tinggi adalah grafik pada pelatihan lima fitur yang ditunjukkan dengan garis merah. Grafik yang paling kecil kemiringannya adalah grafik pelatihan pada dua fitur, yang ditunjukkan dengan garis warna kuning. Semakin besar banyaknya fitur yang digunakan dalam proses pelatihan maka semakin besar juga kemiringan yang dihasilkan. Dengan
10 digilib.uns.ac.id 49 kata lain, semakin banyak fitur yng digunakan,kinerja sistem untuk mengenali pola akan semakin baik. Banyaknya jumlah epoch pada setiap variasi fitur ditunjukkan pada tabel 4.8. Semakin banyak jumlah variasi fitur yang digunakan, maka jumlah epoch akan semakin kecil. Hal ini dapat dilihat bahwa jumlah variasi dua fitur menghasilkan jumlah epoch sebesar , variasi tiga fitur menghasilkan jumlah epoch sebesar , variasi empat fitur menghasilkan jumlah epoch sebesar , dan variasi lima fitur menghasilkan jumlah epoch sebesar Hal tersebut menunjukkan bahwa kinerja sistem lebih baik apabila digunakan untuk melatih fitur yang lebih banyak. Tabel 4.8. Banyaknya jumlah epoch pada setiap variasi fitur Jumlah Variasi Fitur Jumlah Epoch Selain pada tabel 4.8, perbandingan waktu iterasi (epoch) pada pelatihan JST semua variasi fitur juga ditunjukkan pada gambar 4.7. Pada grafik tersebut terliht bahwa semakin banyak fitur, maka waktu yang dibutuhkan untuk mencapai sse yang diinginkan semakin kecil. Grafik pada pelatihan dua fitur merupakan grafik yang paling panjang di antara grafik pelatihan fitur yang lainnya. Hal ini menunjukkan bahwa pelatihan dua fitur menunjukkan waktu paling lama di antara pelatihan variasi fitur yang lain. Sedangkan pelatihan lima fitur menunjukkan garis yang paling pendek di antara yang lain, sehingga pelatihan lima fitur membutuhkan waktu paling singkat untuk mencapai sse yang diharapkan
11 sse sse sse sse perpustakaan.uns.ac.id digilib.uns.ac.id Fitur 2 80 Fitur Epochs 6 8 x Fitur Epochs x Fitur Epochs x Epochs Gambar 4.7. Perbandingan waktu iterasi pelatihan JST pada semua variasi fitur 4.3. Pengujian JST Tahap pengujian JST dilakukan setelah memperoleh nilai bobot dari tahap pelatihan. Tahap pengujian dilakukan pada masing-masing pasien dan juga pada gabungan seluruh pasien. Pengujian menggunakan 97 % persen dari data total, data ini diambil dari sisa pengambilan data acak pada tahap pelatihan. Dengan adanya tahap pengujian, maka dapat diketahui kemampuan suatu sistem untuk mendeteksi suatu pola normal dan PVC. Kemampuan sistem untuk mengenali pola ditunjukkan dengan adanya keluaran hasil pengujian yang berupa sensitifitas, spesifisitas, dan akurasi. Nilai sensitifitas yang tinggi menunjukkan bahwa program mampu mengenali pola PVC dengan baik, begitu juga nilai spesifisitas yang tinggi menunjukkan bahwa sistem dapat mengenali pola normal dengan baik. Selain itu akurasi menunjukkan kinerja secara keseluruhan (sensitifitas dan spesifisitas). Dengan adanya akurasi, maka dapat diketahui seberapa besar sistem dapat mengenali semua pola yang akan dideteksi.
12 digilib.uns.ac.id 51 Hasil proses pengujian ditunjukkan pada tabel 4.9 untuk dua fitur, tabel 4.10 untuk tiga fitur, 4.11 untuk empat fitur, dan 4.12 untuk lima fitur. Hasil pengujian juga menunjukkan kontribusi setiap fitur terhadap kinerja dari suatu sistem. Dengan demikian dapat ditentukan fitur yang tepat untuk pengenalan pola PVC dengan JST yang diimplementasikan pada software MATLAB. Tabel 4.9. Hasil pengujian dengan 2 fitur Pasien Sensitifitas Spesifisitas Akurasi ,30 99,10 98, ,77 100,00 99, ,22 99,80 99, ,30 98,53 98,14 Gabungan semua pasien 96,93 99,34 98,98 Tahap pengujian yang pertama adalah pengujian fitur gradien gelombang R dan interval RR. Fitur interval RR yang dikaji dalam penelitian ini adalah fitur interval RR sebelum PVC, yang dibandingkan dengan interval RR normal. Hasil pengujian untuk dua fitur menghasilkan nilai sensitifitas, spesifisitas, dan akurasi untuk gabungan semua pasien secara berurutan adaah sebesar 96,93%, 99,34%, dan 98,98%. Pengujian yang ke dua adalah pengujian untuk tiga fitur (gradient gelombang R, interval RR, dan QR). Dalam pengujian ke tiga ini, yang menjadi fitur tambahan adalah interval QR. Hasil pengujian untuk tiga fitur menghasilkan nilai sensitifitas, spesifisitas, dan akurasi untuk gabungan semua pasien secara berurutan adalah sebesar 98,90%, 99,47%, dan 99,37% yang ditunjukkan pada tanel Tabel Hasil pengujian dengan 3 fitur Sensitifitas Spesifisitas Akurasi Pasien ,28 99,33 99, ,77 100,00 99, ,22 99,08 99, commit 98,29 to user 99,63 99,40 Gabungan semua pasien 98,90 99,47 99,37
13 digilib.uns.ac.id 52 Pengujian ke tiga adalah pengujian menggunakan empat fitur (gradient gelombang R, interval RR, QR, dan segmen ST). Dalam pengujian empat fitur, interval yang ditambah adalah segmen ST. Berdasarkan hasil pengujian pada tabel 4.11, nilai sensitivitas, spesifisitas, dan akurasi pada pengujian empat fitur pada gabungan semua pasien secara berurutan menunjukkan nilai 99,53%, 99,60%, dan 99,58%. Nilai hasil pengujian tersebut menunjukkan peningkatan apabila dibandingkan dengan pengujian tiga fitur yang hasilnya adalah 98,90%, 99,47%, dan 99,37%, sehingga dapat disimpulkan bahwa penambahan fitur segmen ST memberikan kontribusi yang baik terhadap hasil pengujian. Tabel Hasil pengujian JST dengan 4 fitur Pasien Sensitifitas Spesifisitas Akurasi ,11 99,55 99, ,30 100,00 99, ,00 99,65 99, ,43 99,27 99,30 Gabungan semua pasien 99,53 99,60 99,58 Pengujian yang terakhir dilakukan adalah pengujian menggunakan lima buah fitur (gradient gelombang R, interval RR, QR, segmen ST, dan interval kompleks QRS). Fitur yang ditambahkan dalam pengujian ini adalah fitur QRS. Perbedaan antara fitur QRS normal dan PVC dapat dilihat berasarkan lebar intervalnya. Interval QRS PVC lebih lebar dari pada interval QRS normal. Hal ini dikarenakan depolarisasi ventrikel tidak mengikuti jalur konduksi yang normal (Thaler, 2000). Panjang interval kompleks QRS pada PVC lebih lebar dari pada normal, hal ini dikarenakan PVC muncul akibat adanya gangguan depolarisasi ventrikel. Adanya depolarisasi ventrikel ditunjukkan dengan interval kompleks QRS. Sehingga munculnya PVC dapat ditunjukkan dengan lebar interval QRS. Penyebab munculnya PVC adalah adanya gangguan depolarisasi ventrikel. Impuls ekstrasistol dikonduksi melalui otot ventrikel sehingga lebih lambat dibandingkan
14 digilib.uns.ac.id 53 dengan konduksi normal melalui berkas his (Karim, 1996), sehingga interval kompleks QRS dari PVC lebih lebar dari pada inerval kompleks QRS normal. Tabel Hasil pengujian dengan 5 fitur Pasien Sensitifitas Spesifisitas Akurasi ,17 99,91 99, ,00 100,00 100, ,00 99,95 99, ,14 99,82 99,70 Gabungan semua pasien 99,61 99,92 99,86 Nilai sensitifitas, spesifisitas, dan akurasi untuk setiap penambahan fitur menunjukkan hasil pengujian yang lebih baik. Hasil yang paling baik ditunjukkan pada pengujian lima buah fitur dengan nilai sensitifitas, spesifisitas, dan akurasi secara berurutan adalah sebesar 99,61%, 99,92%, dan 99,86% yang ditunjukkan pada tabel Perbandingan Hasil Pengujian Regresi Berganda dan JST Pada pengujian JST, dapat ditunjukkan bahwa semakin bnyak jumlah fitur, maka semakin besar pula nilai sensitifitas, spesifisitas, dan akurasinya. Tabel 4.13 menunjukkan perbandingan antara hasil pengujian yang diperoleh dengan JST dan dengan metode yang lain, yaitu regresi berganda. Berdasarkan hasil pengujian dengan dua buah metode secara keseluruhan dapat dilihat bahwa metode JST dapat memberikan hasil yang lebih baik dari pada metode regresi berganda. Pada variasi dua fitur, hasil akurasi yang diperoleh dengan regresi berganda dan JST secara berturut-turut adalah 96,08% dan 98,98%. Pada variasi tiga fitur, hasil akurasi yang diperoleh dengan regresi berganda dan JST secara berturut-turut adalah 97,87% dan 99,37%. Pada variasi empat fitur, hasil akurasi yang diperoleh dengan regresi berganda dan JST secara berturut-turut adalah 96,12% dan 99,58%. Sedangkan pada variasi empat fitur, hasil akurasi yang diperoleh dengan regresi berganda dan JST secara berturutturut adalah 99,62% dan 99,86%.
15 digilib.uns.ac.id 54 Fitur Tabel Perbandingan hasil pengujian dengan regresi berganda dan JST Sensitifitas Spesifisitas Akurasi Regresi Berganda JST Regresi Berganda JST Regresi Berganda 2 73,64 96,93 99,95 99,34 96,08 98, ,92 98,90 99,96 99,47 97,87 99, ,88 99,53 99,99 99,60 96,12 99, ,11 99,61 99,89 99,92 99,62 99,86 Keterangan : Fitur 2 : Interval RR dangradien Gelombang R Fitur 3 : Interval RR, QR, dangradien Gelombang R Fitur 4 : Interval kompleks ST, RR, QR, dan Gradien Gelombang R Fitur 5 : Interval kompleks QRS, RR, QR, ST, dan Gradien Gelombang R JST Hasil dari pengujian JST lebih baik dari pada regresi. Hal tersebut dikarenakan pada JST terdapat beberapa parameter yang mempengaruhi, seperti learning rate, momentum, lapisan tersembunyi, dan sse. Sedangkan pada regresi berganda tidak ada parameter yang mempengaruhi. Selain itu pada JST terdapat perulangan hingga mencapai hasil yang diinginkan, sedangkan pada regresi tidak terjadi perulangan. Hal tersebut membuat JST dapat menghasilkan keluaran yang lebih baik dari pada regresi berganda. Adanya proses perulangan pada metode JST menyebabkan pengolahan menggunakan JST membutuhkan waktu yang lebih lama dari pada regresi berganda. Selain itu permodelan pada regresi berganda berjalan lebih stabil dari pada model JST. Hal ini dikarenakan pada model JST banyak parameter yang harus diperhatikan sampai diperoleh keluaran yang paling baik. Sehingga ketika kita memberikan nilai parameter yang berbeda, maka hasil keluaran yang dimungkinkan juga pasti akan berbeda (Dewi, 2011).
HUBUNGAN ANTARA POLA ASUH ORANG TUA DAN
digilib.uns.ac.id commit to user digilib.uns.ac.id digilib.uns.ac.id digilib.uns.ac.id digilib.uns.ac.id digilib.uns.ac.id digilib.uns.ac.id digilib.uns.ac.id digilib.uns.ac.id digilib.uns.ac.id digilib.uns.ac.id
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciKLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF
KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF Asti Rahma Julian 1, Nanik Suciati 2, Darlis Herumurti 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, akan dilakukan beberapa langkah untuk mencapai
BAB III METODE PENELITIAN Pada penelitian ini, akan dilakukan beberapa langkah untuk mencapai penelitian tersebut. Langkah langkah tersebut dapat digambarkan melalui diagram alir sebagai berikut. Pra Proses
Lebih terperinci1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Penyakit jantung merupakan penyakit yang berbahaya dan menjadi penyebab kematian nomer satu di dunia (Mendis et al., 2011). Menurut data World Health
Lebih terperinciJURNAL Teori dan Aplikasi Fisika Vol. 02, No. 02, Juli 2014
JURNAL Teori dan Aplikasi Fisika Vol. 02, No. 02, Juli 2014 Pengenalan Pola Aritmia Kontraksi Ventrikel Dini pada Elektrokardiogram dengan Jaringan Syaraf Tiruan menggunakan Fitur Interval RR, Gradien
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciIDENTIFIKASI SPEKTRUM FREKUENSI ISYARAT ELEKTROKARDIOGRAF MENGGUNAKAN JARINGAN SYARAF TIRUAN KOMPETISI PENUH
IDENTIFIKASI SPEKTRUM FREKUENSI ISYARAT ELEKTROKARDIOGRAF MENGGUNAKAN JARINGAN SYARAF TIRUAN KOMPETISI PENUH NAZRUL EFFENDY, ST., MT Staf Pengajar Jurusan Teknik Fisika, Fakultas Teknik Universitas Gadjah
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciPENENTUAN DENYUT PREMATUR ATRIUM DENGAN JARINGAN SYARAF TIRUAN MENGGUNAKAN FITUR INTERVAL RR, INTERVAL QR, INTERVAL RS DAN INTERVAL QRS
PENENTUAN DENYUT PREMATUR ATRIUM DENGAN JARINGAN SYARAF TIRUAN MENGGUNAKAN FITUR INTERVAL RR, INTERVAL QR, INTERVAL RS DAN INTERVAL QRS Disusun Oleh : ANNA USWATI M0210012 SKRIPSI Diajukan untuk memenuhi
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
Lebih terperinciPrediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)*
Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* 1)Stasiun Meteorologi Supadio Pontianak Badan Meteorologi
Lebih terperinciDitulis pada Rabu, 20 September :47 WIB oleh damian dalam katergori Pemeriksaan tag EKG, ECG, pemeriksaan, elektromedis
- V1 di garis parasternal kanan sejajar dengan ICS 4 berwarna merah Elektrokardiografi (EKG) Ditulis pada Rabu, 20 September 2017 08:47 WIB oleh damian dalam katergori Pemeriksaan tag EKG, ECG, pemeriksaan,
Lebih terperinci4.1. Pengumpulan data Gambar 4.1. Contoh Peng b untuk Mean imputation
4.1. Pengumpulan data Data trafik jaringan yang diunduh dari http://www.cacti.mipa.uns.ac.id:90 dapat diklasifikasikan berdasar download rata-rata, download maksimum, download minimum, upload rata-rata,
Lebih terperinciEkstraksi Parameter Temporal Sinyal ECG Menggunakan Difference Operation Method
194 Ekstraksi Parameter Temporal Sinyal ECG Menggunakan Difference Operation Method Abdul Yasak *, Achmad Arifin Jurusan Teknik Elektro, ITS Surabaya 60 Phone : (62 31) 594 7302, Fax : (62 31) 593 1237
Lebih terperinciIntisari. -36 c Jurusan Fisika FMIPA ITS JURNAL FISIKA DAN APLIKASINYA VOLUME 11, NOMOR 1 JANUARI 2015
JURNAL FISIKA DAN APLIKASINYA VOLUME 11, NOMOR 1 JANUARI 2015 Deteksi Aritmia pada Elektrokardiogram dengan Metode Jaringan Syaraf Tiruan Kelas Jamak menggunakan Fitur Interval RR, Lebar QRS, dan Gradien
Lebih terperinciMahasiswa: Muhimmatul Khoiro Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si.
Mahasiswa: Muhimmatul Khoiro 1110100049 Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si. Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2014 Diagnosa
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciBAB 1 PENDAHULUAN. datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk
BAB 1 PENDAHULUAN 1.1. Latar Belakang Peramalan adalah menduga atau memperkirakan suatu keadaan di masa yang akan datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk menetapkan kapan
Lebih terperinciBAB VIIB BACKPROPAGATION dan CONTOH
BAB VIIB BACKPROPAGATION dan CONTOH 7B. Standar Backpropagation (BP) Backpropagation (BP) merupakan JST multi-layer. Penemuannya mengatasi kelemahan JST dengan layer tunggal yang mengakibatkan perkembangan
Lebih terperinciMETODOLOGI PENELITIAN
digilib.uns.ac.id BAB III METODOLOGI PENELITIAN 3.1 Studi Literatur Studi ini dilakukan dengan cara mencari dan membaca berbagai literatur serta karya-karya penelitian mengenai topik penelitian yang sudah
Lebih terperinciDETEKSI ARITMIA BLOKADE CABANG BERKAS KIRI PADA ELEKTROKARDIOGRAM DENGAN JARINGAN SYARAF TIRUAN BERDASARKAN FITUR INTERVAL QR DAN RS
Berkala Fisika ISSN : 1410-9662 Vol. 17, No. 3, Juli 2014, hal 91-98 DETEKSI ARITMIA BLOKADE CABANG BERKAS KIRI PADA ELEKTROKARDIOGRAM DENGAN JARINGAN SYARAF TIRUAN BERDASARKAN FITUR INTERVAL QR DAN RS
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Jantung merupakan salah satu organ terpenting dalam tubuh manusia. Jantung yaitu organ otot (muskular) berongga yang memompa darah lewat pembuluh darah sehingga
Lebih terperinciMERANCANG SISTEM DETEKSI PENYAKIT APNEA TIDUR OBSTRUKTIF MENGGUNAKAN FAST FOURIER TRANSFORM PADA ELEKTROKARDIOGRAM
MERANCANG SISTEM DETEKSI PENYAKIT APNEA TIDUR OBSTRUKTIF MENGGUNAKAN FAST FOURIER TRANSFORM PADA ELEKTROKARDIOGRAM Silminur latifah, Nuryani, dan Artono Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciUJM 3 (1) (2014) UNNES Journal of Mathematics.
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN BEBAN PUNCAK DISTRIBUSI LISTRIK DI WILAYAH PEMALANG
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciINTERPRETASI ELEKTROKARDIOGRAFI STRIP NORMAL HIMPUNAN PERAWAT GAWAT DARURAT DAN BENCANA INDONESIA SULAWESI UTARA
INTERPRETASI ELEKTROKARDIOGRAFI STRIP NORMAL HIMPUNAN PERAWAT GAWAT DARURAT DAN BENCANA INDONESIA SULAWESI UTARA PENDAHULUAN Elektrokardiografi adalah ilmu yang mempelajari rekaman aktivitas listrik jantung
Lebih terperinciBAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu
BAB III METODE PENELITIAN 3.1 Pengumpulan Data Beban Listrik dari PLN Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu selama lima tahun pada periode 2006-2010, selanjutnya data
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciBAB II TEORI DASAR. Gambar 2.1 Anatomi Jantung
4 BAB II TEORI DASAR 2.1. Jantung Jantung merupakan otot tubuh yang bersifat unik karena mempunyai sifat membentuk impuls secara automatis dan berkontraksi ritmis [4], yang berupa dua pompa yang dihubungkan
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciIV HASIL DAN PEMBAHASAN
tersembunyi berkisar dari sampai dengan 4 neuron. 5. Pemilihan laju pembelajaran dan momentum Pemilihan laju pembelajaran dan momentum mempunyai peranan yang penting untuk struktur jaringan yang akan dibangun.
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Koefisien Maksimum Energi Maksimum Jarak Gelombang R - R
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database Sinyal EKG Ekstraksi Ciri Sinyal Jantung (Wibowo, 2016) Keluaran : Koefisien Maksimum Energi Maksimum Jarak Gelombang R -
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciHASIL DAN PEMBAHASAN
32 HASIL DAN PEMBAHASAN Pemeriksaan Fisik Keseluruhan anjing yang dipergunakan pada penelitian diperiksa secara klinis dan dinyatakan sehat sesuai dengan klasifikasi status klas I yang telah ditetapkan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Gambar 3.1 menggambarkan desain penelitian peramalan volume penumpang kereta api di pulau Jawa-Sumatera dengan metode Jaringan Syaraf Tiruan Backpropagation.
Lebih terperinciBAB IV PERANCANGAN DAN PEMBAHASAN
4.1 Data Yang Digunakan BAB IV PERANCANGAN DAN PEMBAHASAN Secara umum, gambaran data yang penulis peroleh dapat dilihat pada lampiran. Data tersebut adalah data hasil proses logging disajikan dalam bentuk
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinciPOSITRON, Vol. IV, No. 2 (2014), Hal ISSN :
Modifikasi Estimasi Curah Hujan Satelit TRMM Dengan Metode Jaringan Syaraf Tiruan Propagasi Balik Studi Kasus Stasiun Klimatologi Siantan Fanni Aditya 1)2)*, Joko Sampurno 2), Andi Ihwan 2) 1)BMKG Stasiun
Lebih terperinciARIEF ADHI NUGROHO M SKRIPSI
SISTEM DETEKSI KONTRAKSI VENTRIKEL PREMATUR MENGGUNAKAN APLIKASI ANDROID DENGAN METODE JARINGAN SYARAF TIRUAN PROPAGASI BALIK BERDASARKAN FITUR INTERVAL RR DAN LEBAR QRS Disusun oleh : ARIEF ADHI NUGROHO
Lebih terperinciIV. HASIL DAN PEMBAHASAN A.
IV. HASIL DAN PEMBAHASAN A. Persiapan Data Untuk Analisis Jaringan Syaraf Tahapan pertama sebelum merancang model jaringan syaraf tiruan adalah menyiapkan data. Secara garis besar tahapan-tahapan dalam
Lebih terperinciBAB I PENDAHULUAN. darah tinggi, stroke, sakit di dada (angina) dan penyakit jantung rematik.
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Penyakit jantung adalah penyakit yang mengganggu sistem pembuluh darah atau lebih tepatnya menyerang jantung dan urat-urat darah, beberapa contoh penyakit
Lebih terperinciBAB I PENDAHULUAN. I.1 Latar Belakang Masalah
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Salah satu bentuk aplikasi JST yang terus dikembangkan saat ini adalah Jaringan Kohonen. Kohonen adalah bentuk khusus dari jaringan kompetitif. Jaringan ini
Lebih terperinciImplementasi Neural Network pada Matlab untuk Prakiraan Konsumsi Beban Listrik Kabupaten Ponorogo Jawa Timur
P-ISSN 1411-0059 E-ISSN 2549-1571 Implementasi Neural Network pada Matlab untuk Prakiraan Konsumsi Beban Listrik Kabupaten Ponorogo Jawa Timur Niswatul Arifah T 1, Agus Murnomo 2, dan Agus Suryanto 3 Jurusan
Lebih terperinciModel Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciKomparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation
Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation DOSEN PEMBIMBING Prof. Dr. Moh. Isa Irawan, M.T. Dr. Imam Mukhlash,
Lebih terperinciPENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK
PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK Eko Budi Wahyono*), Suzuki Syofian**) *) Teknik Elektro, **) Teknik Informatika - Fakultas Teknik Abstrak Pada era modern
Lebih terperinciGambar 3.1 Desain Penelitian
METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,
Lebih terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir Bagian terpenting dari CRM adalah memahami kebutuhan dari pelanggan terhadap suatu produk yang ditawarkan para pelaku bisnis. CRM membutuhkan sistem yang dapat memberikan suatu
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
39 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data dan Pembahasan Data yang dimiliki dalam penelitian ini dibagi menjadi dua, yaitu: 1. Suara gamelan Bonang 2. Bukan suara Gamelan Bonang (Gamelan
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciSinyal ECG. ECG Signal 1
Sinyal ECG ECG Signal 1 Gambar 1. Struktur Jantung. RA = right atrium, RV = right ventricle; LA = left atrium, dan LV = left ventricle. ECG Signal 2 Deoxygenated blood Upper body Oxygenated blood Right
Lebih terperinciBAB IV PEMBAHASAN. Proses estimasi pada metode IRLS ini dengan meminimumkan fungsi residu, yang dapat dituliskan sebagai berikut.
BAB IV PEMBAHASAN Pada bab ini akan dibahas mengenai estimasi parameter model Regresi M- kuantil, penurunan model Regresi M-kuantil, dan contoh penerapan model Regresi M-kuantil pada pengaruh pendapatan
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciKONSEP DASAR EKG. Rachmat Susanto, S.Kep.,Ns.,M.Kep.,Sp.MB (KV)
KONSEP DASAR EKG Rachmat Susanto, S.Kep.,Ns.,M.Kep.,Sp.MB (KV) TIU Setelah mengikuti materi ini peserta mampu memahami konsep dasar EKG dan gambaran EKG normal. TIK Setelah mengikuti materi ini peserta
Lebih terperinciEKSTRASI CIRI SINYAL JANTUNG MENGGUNAKAN WAVELET HAAR
EKSTRASI CIRI SINYAL JANTUNG MENGGUNAKAN WAVELET HAAR Hindarto Hindarto 1, Izza Anshory 2, Ade Efiyanti 3 1,2,3 Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Sidoarjo Jl. Raya Gelam 250 Candi,
Lebih terperinciBAB II. Penelitian dengan jaringan syaraf tiruan propagasi balik. dalam bidang kesehatan sebelumnya pernah dilakukan oleh
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian dengan jaringan syaraf tiruan propagasi balik dalam bidang kesehatan sebelumnya pernah dilakukan oleh Sudharmadi Bayu Jati Wibowo
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciJARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA
JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA Dahriani Hakim Tanjung STMIK POTENSI UTAMA Jl.K.L.Yos Sudarso Km 6.5 Tanjung Mulia Medan notashapire@gmail.com Abstrak
Lebih terperinciTUGAS KEPERAWATAN GAWAT DARURAT INTERPRETASI DASAR EKG
TUGAS KEPERAWATAN GAWAT DARURAT INTERPRETASI DASAR EKG Disusun untuk memenuhi tugas mandiri keperawatan gawat darurat Dosen Setiyawan S.Kep.,Ns.,M.Kep. Disusun oleh : NUGKY SETYO ARINI (P15037) PRODI D3
Lebih terperinciKLASIFIKASI SINYAL ELEKTROKARDIOGRAF (EKG) DENGAN SHORT TIME FOURIER TRANSFORM (STFT) DAN BACKPROPAGATION
KLASIFIKASI SINYAL ELEKTROKARDIOGRAF (EKG) DENGAN SHORT TIME FOURIER TRANSFORM (STFT) DAN BACKPROPAGATION Herliyani Hasanah STMIK Duta Bangsa Surakarta herlydb@gmail.com ABSTRAK Kondisi atau kelainan jantung
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION Zulkarnain Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar belakang Hujan merupakan salah satu unsur iklim yang berpengaruh pada suatu daerah aliran sungai (DAS). Pengaruh langsung yang dapat diketahui yaitu potensi sumber daya air. Besar
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA (Studi Eksplorasi Pengembangan Pengolahan Lembar Jawaban Ujian Soal Pilihan Ganda di
Lebih terperinciBAB III RANCANG BANGUN
BAB III RANCANG BANGUN 3.1 LANGKAH PENGERJAAN Program identifikasi dengan media biometrik citra iris mata yang menggunakan Metode Jaringan Syaraf Tiruan (JST) terdiri dari dua tahap, yaitu proses pelatihan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian yang dilakukan dapat dijelaskan dengan lebih baik melalui blok diagram seperti yang terliat pada Gambar 3.1. Suara Manusia Rekam suara Hasil rekaman
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2015 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan untuk Memprediksi Prestasi
Lebih terperinciPREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Berkala Fisika ISSN : 1410-9662 Vol.18, No.4, Oktober 2015, hal 151-156 PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Zaenal
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciLaporan Pendahuluan Elektrokardiogram (EKG) Oleh Puji Mentari
Laporan Pendahuluan Elektrokardiogram (EKG) Oleh Puji Mentari 1106053344 A. Pengertian Tindakan Elektrokardiogram (EKG) adalah suatu pencatatan grafis aktivitas listrik jantung (Price, 2006). Sewaktu impuls
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang B. Rumusan Masalah
BAB I PENDAHULUAN A. Latar Belakang Fungsi utama jantung adalah memompa darah ke seluruh tubuh dimana pada saat memompa jantung otot-otot jantung (miokardium) yang bergerak. Untuk fungsi tersebut, otot
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Rancangan Antarmuka (interface) Program Rancangan antarmuka (interface) program terdiri dari form cover, form testing dan form training (untuk programer). 4.1.1
Lebih terperinciBAB I PENDAHULUAN. Fenomena fisika tidak selalu direpresentasikan dalam masalah bendabenda
BAB I PENDAHULUAN 1.1 Latar Belakang Fenomena fisika tidak selalu direpresentasikan dalam masalah bendabenda mati (fisik), tetapi dapat terjadi pula pada benda-benda hidup (hayati), contohnya adalah pada
Lebih terperinciRancang Bangun Sistem Monitoring RR Interval pada Data Elektrokardiogram Berbasis Metode First Derivative Based Technique (FDBT) untuk User Bergerak
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Rancang Bangun Sistem Monitoring RR Interval pada Data Elektrokardiogram Berbasis Metode First Derivative Based Technique (FDBT) untuk User Bergerak Arif
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinci2 2 ... v... 3 Santoso... 21 abawa... 29... 37... 53... 59... 67... 77 Yohakim Marwanta... 85... 89... 101 ... 109... 117 D. Jaringan Komputer Amirudd... 135 andha... 141... 151... 165 Syahrir... 171...
Lebih terperinciPERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor:, Februari 206 ISSN : 2407-389X PERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION Fahmi Hasobaran Dalimunthe
Lebih terperinciPREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Dwi Marisa Midyanti Sistem Komputer Universitas Tanjungpura Pontianak Jl Prof.Dr.Hadari Nawawi, Pontianak
Lebih terperinciANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jantung adalah salah satu organ penting dalam tubuh manusia yang berfungsi memompa darah ke seluruh tubuh. Darah yang dipompa ke seluruh tubuh melalui sistem peredaran
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB I PENDAHULUAN. bahkan di Dunia. Penyakit jantung dapat dideteksi dengan alat elektrokardiograf
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit jantung adalah penyebab kematian terbesar di Indonesia, bahkan di Dunia. Penyakit jantung dapat dideteksi dengan alat elektrokardiograf (EKG). Petugas
Lebih terperinciBAB III METODOLOGI PENELITIAN
38 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Peramalan, Curah Hujan, Knowledge Discovery in Database, Jaringan Saraf Tiruan, Backpropagation, Optimalisasasi Backpropagation Pengumpulan
Lebih terperinciPROSIDING SEMINAR ILMIAH NASIONAL: MEMBANGUN PARADIGMA KEHIDUPAN MELALUI MULTIDISIPLIN ILMU
JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI SUKUK NEGARA RITEL BERDASARKAN KELOMPOK PROFESI DENGAN BACKPROPOGATION DALAM MENDORONG LAJU PERTUMBUHAN EKONOMI 1 Solikhun, 2 Agus Perdana Windarto, 3 Handrizal,
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI LAJU INFLASI DI KABUPATEN KLATEN NASKAH PUBLIKASI
IMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI LAJU INFLASI DI KABUPATEN KLATEN NASKAH PUBLIKASI diajukan oleh Kurniawati Handayani 09.11.3278 kepada SEKOLAH TINGGI MANAJEMEN
Lebih terperinci