PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN

Transkripsi

1 PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS SKRIPSI KH NISA DEWI PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

2 PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS SKRIPSI Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer KH NISA DEWI PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

3 ii PERSETUJUAN Judul : PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS Kategori : SKRIPSI Nama : KH NISA DEWI Nomor Induk Mahasiswa : Program Studi : S1 ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Amer Sharif, S.Si,M.Kom Dr. Poltak Sihombing, M.Kom NIP. - NIP Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP

4 iii PERNYATAAN PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Kh Nisa Dewi

5 iv PENGHARGAAN Alhamdulillah. Puji dan syukur kehadirat Allah SWT, yang dengan rahmat dan karunia-nya penulis dapat menyelesaikan penyusunan skripsi ini. Yang mana skripsi ini ditulis sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi. Pada pengejaan skripsi dengan judul Perbandingan Algoritma Bidirectional Associative Memory dan Learning Vector Quantization Dalam Menentukan Obat Penyakit Saluran Cerna Lambung-Usus ini, penulis menyadari banyak pihak yang turut membantu serta memotivasi dalam pengerjaannya. Untuk itu, dalam kesempatan ini, penulis mengucapkan terima kasih kepada : 1. Bapak Prof. Drs. Subhilhar, M.A., Ph.D selaku Plt. Rektor Universitas Sumatera Utara. 2. Bapak Prof. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi. 3. Bapak Dr. Poltak Sihombing, M.Kom selaku Dosen Pembimbing I dan Ketua Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi. 4. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah banyak memberi arahan dan motivasi dalam pengerjaan skripsi saya. 5. Bapak Drs. Marihat Situmorang, M.Kom selaku Dosen Penguji I yang telah meluangkan waktunya untuk memberi saran-saran dan kritik guna menyempurnakan skripsi penulis. 6. Bapak Handrizal, S.Si, M.Comp, Sc selaku Dosen Penguji II yang telah memberi banyak masukan dan saran-saran untuk skripsi penulis. 7. Orang tua penulis Muhammad Amin dan Sumiati, serta saudara penulis Kh Rizal Fauzi yang tidak pernah berhenti memberi dukungan dalam segala bentuk, kasih sayang dan motivasi penuh kepada penulis. 8. Terkhusus pada Kak Yayang yang selalu sabar dan memberikan masukan untuk skripsi penulis serta teman-teman seperjuangan terbaik, Sofiya Nazara, Dini, Gina, Bunga, Ema, Syafura, Novi dan teman-teman yang lain yang selalu memberikan bantuan, semangat, dan tempat berbagi suka duka penulis. 9. Dr. Alwinsyah Abidin SpPD (Spesialis Penyakit Dalam) selaku narasumber yang memberikan informasi seputar penelitian penulis.

6 v 10. Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat penulis ucapkan satu demi satu yang telah membantu penyelesaian laporan ini. Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini. Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya. Medan, Penulis, Kh Nisa Dewi

7 vi ABSTRAK Penyakit saluran cerna lambung-usus adalah salah satu penyakit yang banyak dialami oleh masyarakat pada umumnya. Akan tetapi tingkat kesadaran masyarakat untuk melakukan pemeriksaan lebih lanjut ke dokter sangat rendah. Dengan memanfaatkan Jaringan Syaraf Tiruan maka sistem ini dapat memprediksi tingkat keakuratan dalam menentukan penyakit dan obat yang tepat untuk meringankan penyakit tersebut. Dengan menggunakan perbandingan algoritma Bidirectional Associative Memory (BAM) dan Learning Vector Quantization (LVQ), gejala penyakit saluran cerna lambung-usus akan dijadikan masukan untuk dilatih sehingga dapat mengenali penyakit yang telah ditetapkan. Terdapat 20 sampel gejala penyakit yang akan dikelompokkan ke dalam 4 penyakit yaitu Radang Kerongkongan (reflux oesophagitis), Radang Lambung (gastritis), Tukak Lambung-Usus (ulcus pepticum), dan Kanker Lambung, dengan jenis obat yaitu Antasida, Ranitidin, Omeprazole, Domperidone, Sukralfat, Bismuth, Amoxixilin, Claritromixin, Kemoterapi, Radiasi, dan Operasi. Berdasarkan hasil pengujian, waktu proses pelatihan algoritma BAM relatif lebih cepat dibandingkan dengan LVQ dimana watu pelatihan BAM yaitu 28 detik sedangkan LVQ yaitu 76 detik. Dan waktu proses pengujian algoritma BAM relatif lebih cepat dibandingkan dengan LVQ, dimana watu pengujian BAM yaitu 1.3 detik sedangkan LVQ yaitu 5.2 detik, dan ketepatan algoritma BAM dalam memprediksi 87.5% lebih tepat dibandingkan dengan persentase ketepatan prediksi LVQ yaitu 77.5%. Katakunci: Penyakit Saluran Cerna Lambung-Usus, Malpraktik, Jaringan Syaraf Tiruan, Bidirectional Associative Memory (BAM), Learning Vector Quantization (LVQ), Jenis Obat, Dokter.

8 vii The Comparison Between Bidirectional Associative Memory and Learning Vector Quantization On Establishing Medicine For Gastric-Gut Gastrointestinal Disease ABSTRACT Gastric-Gut Gastrointestinal disease is one of the diseases which were suffered by so many people. But, their awareness about this disease is really low, just a little of them who want to check this disease to the doctor. With the mean of Neural Network, this system can predict the accuracy of establishing the disease and also the right medicine to relieve this illness. With the used of comparison between Bidirectional Associative Memory and Learning Vector Quantization, the symptom of gastrointestinal disease will used as the input patterns. Those inputs were used for training to recognizing the disease. There are 20 symptoms which will be grouped in to 4 kind of diseases, which are : Esophagus Inflammation (reflux esophagitis), Gastroenteritis (gastritis), Gastric- Gut Ulcers (ulcus pepticum), Stomach Cancer, and there are various kind of medicine which are : Antasida, Ranitidin, Omeprazole, Domperidone, Sukralfat, Bismuth, Amoxixilin, Claritromixin, radiation, and surgery. Based on the result, the process timing on training using BAM algorithm was faster than using LVQ. The training time using BAM is 28 second, while LVQ need 76 second. And the testing time using BAM was also faster than LVQ. Which BAM need just 1.3 second, while LVQ need 5.2 second. The accuracy on predicting using BAM is 87.5% while the accuracy using LVQ is 77.5%. Keyword: Gastric-Gut Gastrointestinal disease, Malpractice, Neural Network, Bidirectional Associative Memory (BAM), Learning Vector Quantization (LVQ), Medicine, Doctor.

9 viii DAFTAR ISI Hal. Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar ii iii iv vi vii viii xi xii Bab 1 : Pendahuluan Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penulisan Sistematika Penulisan 4 Bab 2 : Landasan Teori Jaringan Saraf Tiruan Arsitektur Jaringan Saraf Tiruan Fungsi Aktivasi Pelatihan Jaringan Saraf Tiruan Algoritma Jaringan Saraf Tiruan Bidirectional Associative Memory (BAM) Learning Vector Quantization (LVQ) Saluran Pencernaan Struktur Lambung-Usus Lambung Usus Halus Usus Besar Penyakit Saluran Lambung-Usus Obat Pencernaan 17 Bab 3 : Analisis dan Perancangan Sistem Analisis Sistem Analisis Masalah Analisis Kebutuhan Sistem Kebutuhan Fungsional Sistem Kebutuhan Non-fungsional Sistem Analisis Proses Sistem Analisis Proses BAM Analisis Proses LVQ 26

10 ix 3.2. Pemodelan Sistem Use Case Diagram Use Case Pelatihan BAM Use Case Pengujian BAM Use Case Pelatihan LVQ Use Case Pengujian LVQ Activity Diagram Activity Diagram Proses Pelatihan BAM Activity Diagram Proses Pengujian BAM Activity Diagram Proses Pelatihan LVQ Activity Diagram Proses Pengujian LVQ Sequence Diagram Sequence Diagram Proses Pelatihan BAM Sequence Diagram Proses Pengujian BAM Sequence Diagram Proses Pelatihan LVQ Sequence Diagram Proses Pengujian LVQ Pseudo code Program Pseudo code Algoritma BAM Pseudo code Algoritma LVQ Flowchart Sistem Flowchart Sistem Secara Umum Flowchart Algoritma BAM Flowchart Algoritma LVQ Perancangan Data Perancangan Masukan Algoritma BAM dan LVQ Perancangan Keluaran Algoritma BAM dan LVQ Perancangan Antarmuka Sistem Antarmuka Awal Antarmuka Algoritma BAM Antarmuka Algoritma LVQ Antarmuka Bantuan Antarmuka Keluar 52 Bab 4 : Implementasi dan Pengujian Sistem Implementasi Sistem Tampilan Antarmuka Sistem Antarmuka Beranda Sistem Antarmuka Latih BAM Antarmuka Uji BAM Antarmuka Latih LVQ Antarmuka Uji LVQ Antarmuka Bantuan Pengujian Sistem Jenis Pengujian Kecepatan Pelatihan Kecepatan Pengujian Obat Ketepatan Penentuan Obat 69 Bab 5 : Kesimpulan dan Saran 80

11 x 5.1. Kesimpulan Saran 81 Daftar Pustaka 82 Lampiran Listing Program Lampiran Data Gejala Penyakit Saluran Cerna Lmbung-Usus Untuk Pelatihan Sistem Lampiran Hasil Wawancara Dengan Dokter Spesialis Penyakit Dalam Lampiran Curiculum Vitae A1 A19 A20 B1

12 xi DAFTAR TABEL Hal. 3.1 Dokumentasi Naratif Use Case Pelatihan BAM Dokumentasi Naratif Use Case Pengujian BAM Dokumentasi Naratif Use Case Pelatihan LVQ Dokumentasi Naratif Use Case Pengujian LVQ Perbandingan Waktu Latih Pengenalan Gejala Penyakit Saluran Cerna Lambung-Usus Dengan Metode BAM Dan LVQ Perbandingan Waktu Uji Penentuan Obat Penyakit Saluran Cerna Lambung-Usus Dengan Metode BAM Dan LVQ Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit Radang Kerongkongan Dengan Algoritma BAM Dan LVQ Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit Radang Lambung Dengan Algoritma BAM Dan LVQ Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit Tukak Lambung-Usus Dengan Algoritma BAM Dan LVQ Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit Kanker Lambung Dengan Algoritma BAM Dan LVQ Data Gejala Penyakit Saluran Cerna Lmbung-Usus Untuk Pelatihan Sistem A28

13 xii DAFTAR GAMBAR Hal. 2.1 Struktur Neuron Jaringan Saraf Tiruan Ilustrasi fungsi sigmoid biner dengan range (0,1) Ilustrasi fungsi sigmoid bipolar dengan range (-1,1) Arsitektur jaringan BAM Arsitektur jaringan LVQ Diagram Ishikawa Analisis Permasalahan Use case Diagram Sistem Penentu Obat Penyakit Saluran Cerna Lambung-Usus Activity Diagram Proses Pelatihan BAM Activity Diagram Proses Pengujian BAM Activity Diagram Proses Pelatihan LVQ Activity Diagram Proses Pengujian LVQ Sequence Diagram Proses Pelatihan BAM Sequence Diagram Proses Pengujian BAM Sequence Diagram Proses Pelatihan LVQ Sequence Diagram Proses Pengujian LVQ Flowchart Sistem Secara Umum Flowchart Algoritma BAM Flowchart Algoritma LVQ Tampilan Antarmuka Awal Tampilan Antarmuka Pelatihan Algoritma BAM Tampilan Antarmuka Pengujian Algoritma BAM Tampilan Antarmuka Pelatihan Algoritma LVQ Tampilan Antarmuka Pengujian Algoritma LVQ Tampilan Antarmuka Bantuan Penggunaan Sistem Tampilan Antarmuka Keluar Dari Sistem Menu Beranda Sistem Form Latih BAM Form Berhasil Simpan 56

14 xiii 4.4 Form Sebelum Pengujian BAM Form Setelah Pengujian BAM Form Latih LVQ Form Berhasil Simpan Form Sebelum Pengujian LVQ Form Setelah Pengujian LVQ Form Antarmuka Bantuan Hasil Pelatihan BAM Hasil Pelatihan LVQ Grafik Perbandingan Kecepatan Pelatihan Pengenalan Gejala Penyakit Dengan Algoritma BAM Dan LVQ Hasil Pengujian BAM Hasil Pengujian LVQ Grafik Perbandingan Kecepatan Pengujian Penentuan Obat Penyakit Dengan Algoritma BAM Dan LVQ Grafik Perbandingan Persentase Ketepatan Penentuan Obat Penyakit Dengan Algoritma BAM Dan LVQ 78