ANALISIS DAN IMPLEMENTASI INISIALISASI NGUYEN WIDROW PADA METODE BACKPROPAGATION UNTUK PREDIKSI JENIS PENYAKIT PARU - PARU

Transkripsi

1 ANALISIS DAN IMPLEMENTASI INISIALISASI NGUYEN WIDROW PADA METODE BACKPROPAGATION UNTUK PREDIKSI JENIS PENYAKIT PARU - PARU KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI ADE KURNIAWAN NIM PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN 2012 i

2 ANALISIS DAN IMPLEMENTASI INISIALISASI NGUYEN WIDROW PADA METODE BACKPROPAGATION UNTUK PREDIKSI JENIS PENYAKIT PARU PARU KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI Sebagai syarat untuk memperoleh gelar Sarjana Komputer Pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana Tulisan ini merupakan hasil penelitian yang belum pernah dipublikasikan ADE KURNIAWAN NIM Pembimbing I Pembimbing II Dra. Luh Gede Astuti, M.Kom Ngurah Agus Sanjaya ER, S.Kom, M.Kom NIP NIP ii

3 LEMBAR PENGESAHAN TUGAS AKHIR Judul : Analisis dan Implementasi Inisialisasi Nguyen Widrow Pada Jaringan Saraf Tiruan Backpropagation Untuk Prediksi Jenis Penyakit Paru - Paru Kompetensi : Rekayasa Perangkat Lunak Nama : Ade Kurniawan NIM : Tanggal Ujian : 12 Januari 2012 Disetujui Oleh: Pembimbing I Penguji I Dra. Luh Gede Astuti, M.Kom I Ketut Gede Suhartana, S.Kom, M.Kom NIP NIP Pembimbing II Penguji II Ngurah Agus Sanjaya ER, S.Kom, M.Kom I Gede Santi Astawa, S.T, M.Cs NIP NIP Penguji III I Made Widiartha, S.Si, M.Kom NIP Mengetahui, Jurusan Ilmu Komputer FMIPA UNUD Ketua, Drs. I Wayan Santiyasa, M.Si NIP iii

4 Judul : Analisis dan Implementasi Inisialisasi Nguyen Widrow Pada Metode Backpropagation Untuk Prediksi Jenis Penyakit Paru - paru Nama : Ade Kurniawan (NIM ) Pembimbing : 1. Dra. Luh Gede Astuti, M.Kom 2. Ngurah Agus Sanjaya ER, S.Kom, M.Kom ABSTRAK Penyakit Paru - paru dapat menyerang setiap orang pada berbagai usia. Beragam penyakit Paru - paru dengan gejala yang hampir sama membuat penyakit Paru - paru semakin sulit dibedakan. Permasalahan tersebut dapat diatasi dengan membangun sebuah sistem kecerdasan buatan dengan jaringan saraf tiruan. Dimana sistem yang dibangun menggunakan metode backpropagation dan inisialisasi nguyen widrow. Sistem jaringan saraf tiruan yang dikembangkan terdiri dari 12 neuron masukkan yang merupakan nilai parameter atau gejala - gejala klinis jenis penyakit Paru - paru dan 1 neuron keluaran yang merupakan hasil prediksi jenis penyakit Paru - paru yang dialami oleh seseorang. Pada penelitian ini, jaringan saraf tiruan metode backpropagation akan dilatih menggunakan nilai parameter variabel pelatihan yang berubah - ubah yaitu nilai learning rate dan jumlah hidden neuron dan data yang akan digunakan sebagai pelatihan diperoleh dari data pengunjung RSUP Sanglah Denpasar. Dari penelitian yang telah dilakukan, diperoleh hasil bahwa metode backpropagation dengan inisialisasi nguyen widrow dapat melakukan prediksi jenis penyakit paru paru dengan rata - rata akurasi sistem sebesar 90% dimana inisialisasi nguyen widrow memberikan pengaruh positif terhadap tingkat akurasi tersebut. Kata kunci : Penyakit paru paru, backpropagation, inisialisasi nguyen widrow. jaringan saraf tiruan metode iv

5 TITLE : Analysis and Implementation of Nguyen Widrow Initialization on the Back propagation Method to Predict the Types of Lung Disease Name : Ade Kurniawan (NIM ) Supervisors : 1. Dra. Luh Gede Astuti, M.Kom. 2. Ngurah Agus Sanjaya ER, S.Kom., M.Kom. ABSTRACT The lung disease can attack everybody at different ages. There are so many types of lung disease with almost the same phenomenon that it is difficult to differentiate them. Based on that problem, an imitate intelligence system with imitate nerve network was set up to predict the types of lung disease as an initial step before one went to the lung specialist. Such a system was set up using backpropagation method and nguyen widrow initialization. The imitate nerve network system, which was developed, was made up of 12 neuron of input which was the value of parameter or the clinical phenomena of the lung disease, and 2 neuron of output as the prediction of the type of the lung disease someone suffered from. In this present study, the imitate nerve network of the backpropagation method was trained to use the value of the parameter of the training variable which was changeable; the value of learning rate and the number of hidden neuron and the data used as the training was obtained from the patients who visited the Sanglah Public General Hospital Denpasar. The result of the research showed that the backpropagation method with nguyen widrow initialization could predict the types of diseases with a 90% average of accuracy. The nguyen widrow initialization positively affected the computation time of the training using the backpropagation method. In addition, the amount of the data of the training contributed to the degree of accuracy. Keywords: Lung disease, imitate nerve network using backprogation method, nguyen widrow initialization. v

6 KATA PENGANTAR Puji Syukur kehadirat Tuhan Yang Maha Esa karena berkat rahmat-nya penulis dapat menyelesaikan laporan penelitian dengan judul Analisis dan Implementasi Inisialisasi Nguyen Widrow Pada Metode Backpropagation Untuk Prediksi Jenis Penyakit Paru - Paru sebagai sistem yang dapat membantu seseorang dapat memprediksi jenis penyakit paru paru secara tepat dan akurat ini disusun dalam rangkaian kegiatan pelaksanaan Tugas Akhir di Jurusan Ilmu Komputer FMIPA UNUD. Sehubungan dengan telah terselesaikannya laporan ini, maka diucapkan terima kasih dan penghargaan kepada berbagai pihak yang telah membantu penyusun dalam penyelesaian penyusanan Tugas Akhir ini, yaitu kepada: 1. Kepada orang tua penulis yang sudah membimbing dan mendidik, dan memberi dukungan kepada penulis. 2. Bapak Drs. Wayan Santiyasa, M.Si, selaku Ketua Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana. 3. Ibu Dra. Luh Gede Astuti,M.Kom, sebagai pembimbing I yang telah banyak meluangkan waktu untuk membantu pelaksanaan penelitian ini. 4. Bapak Ngurah Agus Sanjaya ER,S.Kom,M.Kom, sebagai pembimbing II yang telah bersedian mengkritisi, memeriksa dan menyempurnakan penelitian ini. 5. Semua pihak yang namanya tidak dapat penulis sebutkan satu-persatu yang telah memberi dukungan. Disadari pula bahwa sudah tentu hasil hasil dari penelitian ini masih mengandung kelemahan dan kekurangan. Memperhatikan hal ini, maka masukan dan saran saran penyempurnaan sangat diharapkan Bukit Jimbaran, Mei 2011 Penyusun, Ade Kurniawan vi

7 DAFTAR ISI HALAMAN JUDUL... i LEMBAR PERNYATAAN... ii LEMBAR PENGESAHAN... iii ABSTRAK... iv ABSTRACT... v KATA PENGANTAR... vi DAFTAR ISI... vii DAFTAR GAMBAR... ix DAFTAR TABEL... x DAFTAR LAMPIRAN... xi BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Tugas Akhir Batasan Masalah Manfaat Tugas Akhir... 3 BAB II TINJAUAN PUSTAKA Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Suatu Penyakit Jaringan Saraf Tiruan Definisi Jaringan Saraf Tiruan Arsitektur Jaringan Saraf Tiruan Fungsi Aktivasi pada Jaringan Saraf Tiruan Model Pelatihan Jaringan Saraf Tiruan Nguyen Widrow Pelatihan Standar Backpropagation Root Mean Square Eror (RMSE) Penyakit Tubercolusis (TBC) Etiologi Patofisiologi Gejala Klinis BAB III METODOLOGI PENELITIAN Variabel Penelitian Metode Penelitian Analisis Kebutuhan Sistem Teknik Pengumpulan Data Analisis Proses Analisis Arsitektur Sistem Mendefinisikan Kebutuhan Aplikasi Desain Aplikasi BAB IV HASIL DAN PEMBAHASAN Implementasi Aplikasi LDPS Implemetasi User Interface vii

8 4.1.2 Implementasi Database Management System (DBMS) Implemetasi Inisialisasi Nguyen Widrow Implemetasi Pelatihan (Training) Implemetasi Grafik Pengujian Aplikasi LDPS dengan Black-box dan White-box Lingkungan Uji Coba Pembahasan Hasil Uji Coba Aplikasi Berbasis Jaringan Saraf Tiruan Analisis Hasil Uji Coba Aplikasi Berbasis Jaringan Saraf Tiruan Analisis Hasil Uji Coba Aplikasi dengan Inisialisasi Nguyen Widrow Analisis Hasil Uji Coba Aplikasi dengan Inisialisasi Random Perbandingan Hasil Uji Coba Aplikasi Menggunakan Inisialisasi Random dan Inisialisasi Nguyen Widrow BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN viii

9 DAFTAR GAMBAR Halaman Gambar 2.1 Single Layer Net... 7 Gambar 2.2 Multi Layer Net... 8 Gambar 2.3 Arsitektur Backpropagation Gambar 3.1 Diagram Aktivitas Gambar 3.2 Arsitektur Aplikasi LPDS Gambar 3.3 Entity Relationship Diagram (ERD) Gambar 3.4 Diagram Konteks Gambar 3.5 DFD Level Gambar 3.6 DFD Level Gambar 3.7 Diagram Alir/ Flowchart Proses Metode Backpropagation Gambar 3.8 Diagram Alir/ Flowchart Proses Pelatihan Secara Nguyen Widrow.. 35 Gambar 3.9 Diagram Alir/ Flowchart Proses Pengujian Gambar 3.10 Diagram Alir/ Flowchart Proses Prediksi Gambar 3.11 Hirarki Tampilan Sistem Gambar 4.1 Halaman Login pada Aplikasi LDPS Gambar 4.2 Sistem Aplikasi LDPS Gambar 4.3 Form Pelatihan Data Belajar Pada Aplikasi LDPS Gambar 4.4 MySQL dengan SQLyog Gambar 4.5 Tabel data pada MySQL Gambar 4.6 Pengujian Basis Path Gambar 4.7 Bobot Awal Pelatihan Gambar 4.8 Terjadinya Penyesuaian Bobot Pada Pelatihan Gambar 4.10 Pelatihan Telah Selesai ix

10 DAFTAR TABEL Halaman Tabel 2.1 Penelitian mengenai prediksi suatu penyakit/gangguan... 5 Tabel 2.2 Pembobotan / Inisialisasi secara random Tabel 2.3 Pembobotan / Inisialisasi secara nguyen widrow Tabel 3.1 Kebutuhan Fungsional Tabel 3.2 Kebutuhan Non-Fungsional Tabel 4.1 Pembobotan dari unit masukkan ke unit tersembunyi Tabel 4.2 Pembobotan dari unit tersembunyi ke unit keluaran Tabel 4.3 Prosedure inisialisasi nguyen widrow Tabel 4.4 Prosedure pendefinisian nilai bias Tabel 4.5 Propagasi maju dari unit masukkan ke unit tersembunyi Tabel 4.6 Propagasi maju dari unit tersembunyi ke unit keluaran Tabel 4.7 Propagasi mundur pada metode backpropagation Tabel 4.8 Skenario pengujian aplikasi Tabel 4.9 Data Uji Coba (Pelatihan dan Pengujian) Tabel 4.10 Hasil Uji Coba aplikasi dengan inisialisasi nguyen widrow Tabel 4.11 Hasil Uji Coba aplikasi dengan inisialisasi random x

11 DAFTAR LAMPIRAN Lampiran 1 Surat Pengantar Dari Fakultas (Ijin Pengambilan Data) Lampiran 2 Surat Ijin Pengambilan Data Dari RSUP Sanglah Denpasar Lampiran 3 Data Pelatihan Jaringan Saraf Tiruan Untuk Sistem Prediksi Jenis Penyakit Paru Paru Lampiran 4 Manual Penggunaan Aplikasi xi