Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijasah Sarjana Ilmu Komputer
RIZKY RAMADHANSYAH HARAHAP
091401004
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2013
PERSETUJUAN
Judul : PERBANDINGAN JARINGAN SYARAF TIRUAN
BACKPROPAGATION DAN KOHONEN PADA IDENTIFIKASI PENYAKIT INFEKSI PADA KULIT DENGAN GEJALA BERCAK PUTIH
Kategori : SKRIPSI
Nama : RIZKY RAMADHANSYAH HARAHAP
Nomor Induk Mahasiswa : 091401004
Program Studi : S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA Diluluskan di
Medan, 24 Oktober 2013 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Amer Sharif S.Si, M.kom Dr. Poltak Sihombing, M.Kom
NIP. NIP. 19620317 199103 1 001
Diketahui/disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 001
PERNYATAAN
PERBANDINGAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN
KOHONEN PADA IDENTIFIKASI PENYAKIT INFEKSI PADA KULIT
DENGAN GEJALA BERCAK PUTIH
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 24 Oktober 2013
Rizky Ramadhansyah Harahap 091401004
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT , Tuhan Yang Maha Esa, yang telah memberikan rahmat dan hidayahnya, serta segala sesuatu dalam hidup, sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Prof. Dr. Dr. Syahril Pasaribu, DTM&H, Msc(CTM), Sp.A(K) selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S1 Ilmu Komputer dan Dosen Pembimbing I yang telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.
4. Ibu Maya Silvi Lydia, B.Sc. M.Sc. selaku Sekretaris Program Studi S1 Ilmu Komputer.
5. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.
6. Syahriol Sitorus S.Si, MIT selaku Dosen Pembanding I yang telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis. 7. Herriyance, ST, M.Kom selaku Dosen Pembanding II yang telah banyak
meluangkan waktunya dalam memberikan masukan-masukan kepada penulis. 8. Semua dosen serta pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI
USU.
9. Ayahanda H.Sahlan Harahap dan Ibunda Hj.Safia Siregar yang tak henti memberikan dukungan secara moril maupun secara materi serta terus mendoakan selalu agar dimudahkan dalam menyelesaikan perkuliahan ini.. 10.Kakak Bajora Hafni harahap, kakak Jernita Pratiwi Harahap, abang Fahri
Parlaungan Harahap dan adik Hasbi Hamid Ansori Harahap yang selalu memberikan semangat.
12.Teman-teman sekaligus keluarga besar Program Studi S1 Ilmu Komputer Fasilkom-TI USU.
13.Teman- teman sepermainan Nur Ainun, Ajeng Devira Lubis, Wella Reynanda, Eka Yuslida, Risna Purnama Sari Lubis, Mhd.Huzaifa, dan Aulia Fizhta yang selalu membantu dalam menyelesaikan masalah dalam perkuliahan.
14.Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat penulis ucapkan satu demi satu yang telah membantu penyelesaian 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.
Medan, 24 Oktober 2013 Penulis,
ABSTRAK
Identifikasi penyakit merupakan salah satu fungsi dari pemanfaatan jaringan saraf tiruan, dimana suatu penyakit dapat mengenali gejalanya. sehingga nantinya dapat membantu proses identifikasi dari suatu penyakit yang gejalanya memiliki kemiripan. Identifikasi penyakit pada jaringan saraf tiruan dapat dilakukan dengan metode
backpropagation dan metode kohonen. Pada metode backpropagation jaringan dilatih
melalui tiga fase yaitu fase propagasi maju, fase propagasi mundur, dan fase perubahan bobot hingga kondisi penghentian dipenuhi. Sedangkan pada metode
kohonen, pelatihan dilakukan dengan mengambil bobot awal secara acak, kemudian
bobot tersebut di-update hingga dapat mengklasifikasikan diri sejumlah kelas yang diinginkan. Pada sistem ini penyakit yang akan diidentifikasi yaitu penyakit infeksi pada kulit dengan gejala bercak putih. Berdasarkan hasil ujicoba terhadap gejala penyakit infeksi pada kulit dengan gejala bercak putih diketahui bahwa metode
kohonen dapat mengenali gejala lebih optimal daripada metode backpropagation.
Ketepatan identifikasi penyakit penyakit infeksi pada kulit dengan gejala bercak putih pada gejala yang memiliki kemiripan yaitu 92 % lebih baik dibandingkan metode
backpropagation yang hanya memiliki ketepatan 88,2 %. Berdasarkan kecepatan
waktu identifikasi penyakit, metode kohonen jauh lebih cepat dalam melakukan identifikasi penyakit infeksi pada kulit dengan gejala bercak putih dengan rata-rata waktu identifikasi penyakit Penyakit infeksi pada kulit dengan gejala bercak putih yaitu 2.812 detik. Sedangkan metode backpropagation yaitu 10.357 detik.
Katakunci: Identifikasi Penyakit, Penyakit kulit, Gejala becak putih Backpropagation, Kohonen.
BACKPROPAGATION AND KOHONEN COMPARISON OF NEURAL NETWORK ON INFECTIOUS DISEASES IDENTIFICATION OF THE SKIN
WITH WHITE PATCHES SYMPTOMS
ABSTRACT
Identification of disease is one of the functions of the neural networks, where disease maybe identified by their indications. This may assist in recognition of disease which indications are likeness. Identification of disease in neural network can make by using backpropagation and kohonen methods. In Backpropagation method, the network is trained with the disease through three phases, namely forward propagation, backward propagation, and weights adjustment phases, repeated until the termination condition is met. In the kohonen method, training is done by taking a random initial weights, then the weights are updated to be able to classify themselves desired number of classes. In this study the object for recognition is Diseases identification on the skin with white spots symptoms. Testing indicated that kohonen method is more optimal compared to backpropagation in recognizing Diseases identification on the skin with white spots symptoms indications. The kohonen method has an accuracy at 92 % in recognizing likeness Diseases identification on the skin with white spots symptoms indications, while backpropagation method accuracy is 88,2 % for the likeness indications. Kohonen method is also faster in recognizing Diseases with the average time of 2.812 seconds, while backpropagation method average time is 10.357 seconds. Keywords: Identification of Disease, Skin Disease, Symptoms white rickshaw, Backpropagation, Kohonen.
DAFTAR ISI Hal. Persetujuan ii Pernyataan iii Penghargaan iv Abstrak vi Abstract vii
Daftar Isi viii
Daftar Gambar x Daftar Tabel xi Bab 1 Pendahuluan 1.1 Latar Belakang 1 1.2 Rumsan Masalah 2 1.3 Batasan Masalah 2 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 3 1.6 Metode Penelitian 1.7 Diagram Alir Penelitian 1.8 Sistematika Penulisan
3 4 5 Bab 2 Landasan Teori
2.1 Kulit 2.1.1 Lepra 2.1.2 Petrisiasis Alba 2.1.2 Petiriasis Versicolor 2.1.3 Vitiligo 7 7 7 8 8
2.2 Jaringan Syaraf Biologi 8
2.3 Jaringan Saraf Tiruan 9
2.3.1 Komponen Dalam Jaringan Saraf Tiruan 11 2.3.2 Arsitektur Jaringan Saraf Tiruan 12 2.3.2.1 Single Layer Network 12 2.3.2.2 Multi Layer Network 12 2.3.2.3 Jaringan Kompetitif
2.3.3 Fungsi Aktivasi
13 14 2.4 Jaringan Saraf Tiruan Backpropagation 15 2.4.1 Pelatihan Standar Backpropagation 17
2.4.2 Algoritma Pelatihan 18
2.5 Jaringan Saraf Tiruan Kohonen 19
2.5.1 Algoritma Pelatihan Kohonen 21 Bab 3 Analisis Dan Perancangan Sistem
3.1 Analisis Masalah
3.2 Analisis Kebutuhan Sistem 3.2.1 Kebutuhan Fungsional Sistem 3.2.2 Kenbutan Non-Fungsional 23 24 24 24 3.3 Analisis proses
3.3.1 Analisisi Proses Backpropagation
24 25
3.3.1 Analisis Proses Kohonen 3.4 Pemodelan
3.4.1 Use Case Diagram
3.4.2 Sequence Diagram 3.4.3 Activity Diagram
3.5 Arsitektur Jaringan Syaraf Tiruan 3.5.1 Arsitektur JST Backpropagation 3.5.2 Arsitektur JST Kohonen 3.6 Pseudocode Program Hal 30 32 32 34 36 37 38 39 39
3.6.1 Pseudocode Proses Pelatihan JST 39
3.6.1 Pseudocode Proses Pelatihan JST 3.7 Perancangan Sistem
3.7.1 Perancangan Flowchart Sistem 3.7.2 Flowchart Pelatihan Backpropagation 3.7.3 Flowchart Pelatihan Kohonen
3.7.4 Flowchart Pengujian Backpropagation 3.7.5 Keluaran Pengujian Kohonen
3.7.6 Perancangan Data
3.7.6.1 Masukan 3.7.6.1 Keluaran
3.7.7 Perancangan Antarmuka (Interface)
3.6.3.1 Form Depan
3.6.3.2 Form Metode Backpropagation
3.6.4.2 Form Metode Kohonen Bab 4 Implementasi Dan Pengujian
4.1 Implementasi 4.1.1 Form Depan
4.1.2 Form Pengujian Backpropagation 4.1.3 Form Pengujian Kohonen
4.1.4 Form Bantuan 4.2 Pengujian
4.2.1 Jenis Pengujian
4.2.1.1 Ketepatan Identifikasi Penyakit Infeksi Pada Kulit
Dengan Gejala Bercak Putih
4.2.1.1.1 Kombinasi Inputan Pengujian Identifikasi Penyakit Infeksi Pada Kulit Dengan Gejala Bercak Dengan Gejala Bercak Putih
4.2.1.2 Kecepatan Identifikasi Penyakit Infeksi Pada Kulit
Dengan Gejala Bercak Putih Bab 5 Kesimpulan Dan Saran
5.1 Kesimpulan 5.2 Saran Daftar Pustaka
Lampiran Listing Program Lampiran Curriculum Vitae
40 41 41 42 43 44 45 45 45 46 46 47 48 49 51 51 52 53 55 55 56 56 69 72 75 76 77 A-1 B-1
DAFTAR GAMBAR
Hal.
Gambar 2.1 Model Neuron 4
Gambar 2.2 Single-Layer Network 6
Gambar 2.3 Multi Layer Network 7
Gambar 2.4 Jaringan Kompetitif 7
Gambar 2.5 Arsitektur Jaringan Saraf Tiruan dengan Backpropagation 10 Gambar 2.6 Arsitektur jaringan syaraf tiruan dengan Kohonen
Gambar 2.7 Topologi Rectangular Grid Gambar 2.8 Topologi Hexagonal Grid
15 15 15
Gambar 3.1 Iskhikawa Diagram 23
Gambar 3.2 Gambar 3.2 Arsitektur Backpropagation 25 Gambar 3.3 Use Case Diagram Sistem Pengenal Identifikasi Penyakit
Infeksi Kulit Dengan Gejala Bercak Putih
33 Gambar 3.4 Sequence Diagram Proses Pelatihan JST Backpropagation 34 Gambar 3.5 Sequence Diagram Proses Pelatihan JST Kohonen 34 Gambar 3.6 Sequence Diagram Proses Pengujian JST Backpropagation 35 Gambar 3.7 Sequence Diagram Proses Pengujian JST Kohonen 35 Gambar 3.8 Activity Diagram Proses Pelatihan JST Backpropagation dan
Kohonen
36 Gambar 3.9 Activity Diagram Proses Pengujian JST Backpropagation dan
Kohonen
37
Gambar 3.10 Arsitektur JST Backprpagation 38
Gambar 3.11 Arsitektur JST Kohonen 49
Gambar 3.12 Flowchart Sistem 41
Gambar 3.13 Flowchart Pelatihan Backpropagation Gambar 3.14 Flowchart Pelatihan Kohonen
Gambar 3.15 Flowchart Pengujian Backpropagation Gambar 3.16 Flowchart Pengujian Kohonen
Gambar 3.17 Rancangan Form Depan
Gambar 3.18 Rancangan Form Metode Backpropagation Gambar 3.19 Rancangan Form Metode Kohonen
42 43 44 45 47 48 49 48
Gambar 4.1 Form Depan 51
Gambar 4.2 Form Pengujian Backpropagation 52
Gambar 4.3 Form Pengujian Backpropagation yang telah melakukan pengujian Identifikasi penyakit infeksi pada kulit
53
Gambar 4.4 Form Pengujian Kohonen 54
Gambar 4.5 Form Pengujian Kohonen yang telah melakukan pengujian Identifikasi penyakit infeksi pada kulit
54 Gambar 4.6 Form Bantuan
Gambar 4.7 Submenu Pelatihan Backpropagation
55 56
Gambar 4.8 Submenu Pelatihan Kohonen
Gambar 4.9 Sebelum Melakukan Pengujian Metode Backpropagation Gambar 4.10 Sesudah Melakukan Pengujian Metode Kohonen
Gambar 4.11 Sebelum Melakukan Pengujian Metode Kohonen Gambar 4.12 Sesudah Melakukan Pengujian Metode Kohonen
Gambar 4.13 Grafik Perbandingan Ketepatan Backpropagation Dan
Kohonen
Gambar 4.14 Diagram Pohon Kombinasi Inputan
Gambar 4.14 Grafik Perbandingan Kecepatan Backpropagation Dan Kohonen 59 62 62 65 66 68 69 74
DAFTAR TABEL
Hal. Tabel 3.1 Nilai Bobot Lapisan masukan ke Lapisan Tersembunyi (vji)
Tabel 3.2 Bobot Lapisan Masukan ke Lapisan Tersembunyi (wkj) Tabel 4.1 Hasil Pelatihan Metode Backpropagation
26 26 57
Tabel 4.2 Hasil Pelatihan Metode Kohonen 60
Tabel 4.3 Hasil Pengujian Metode Backpropagation Tabel 4.4 Hasil Pengujian Metode Kohonen
Tabel 4.5 Hasil kombinasi
Tabel 4.6 Perbandingan Waktu Pengujian Kecepatan metode
Backpropagation dan Kohonen pada Identifikasi Penyakit Infeksi Pada Kulit Dengan Gejala Bercak Putih
63 66 70 71