Contoh Algoritma Pelatihan Jaringan Kohonen SOM

Bab 2 Tinjauan Pustaka

2.7 Jaringan Syaraf Tiruan Sel-Organizing Feature Maps

2.7.3 Contoh Algoritma Pelatihan Jaringan Kohonen SOM

1. Vector-vector yang akan dikelompokkan adalah sebagai berikut: [1 1 0 0], [0 0 0 1], [1 0 0 0], [0 0 1 1].

Jumlah cluster yang diinginkan adalah m=2, dengan bobot awal tiap cluster: w1 = [0.2 0.6 0.5 0.9]; w2 = [0.8 0.4 0.7 0.3];

Ditetapkan laju pelatihan awal α(0) = 0.6 dan α(t+1) = 0.5α (t).

Radius ketetanggaan R = 0. Carilah matriks bobot setelah 100 iterasi dan tentukan termasuk kelompok cluster yang mana keempat vector masukan diatas.

Penyelesaian:

Inisialisasi radius

R = 0

Inisialisasi learning rate

α(0) = 0.6

Step-1 Mulai pelatihan:

Step-2 Untuk vector pertama [1 1 0 0] lakukan langkah 3-5; Step-3 D(1) = (0.2-1)² + (0.6-1)² + (0.5-0)² + (0.9-0)² = 1.86; D(2) = (0.8-1)² + (0.4-1)² + (0.7-0)² + (0.3-0)² = 0.98; Step-4 Vektor input tertutup untuk output node 2, maka:

J = 2

Step-5 Bobot unit pemenang di perbahurui dengan:

w

= w

i2(old)+

0.6[x

-w

i2(old)

]

Bobot matriks yag diberikan saat ini:

Step-2 Untuk vector kedua [0 0 0 1] lakukan langkah 3-5; Step-3 D(1) = (0.2-1)² + (0.6-1)² + (0.5-0)² + (0.9-0)² = 0.66;

D(2) = (0.92-1)² + (0.76-1)² + (0.28-0)² + (0.12-0)² = 2.2768; Step-4 Vektor input tertutup untuk output node 2, maka:

J = 1

Step-5 Kolom kedua di perbaharui dengan:

Step-2 Untuk vector ketiga [1 0 0 0] lakukan langkah 3-5;

Step-3 D(1) = (0.8-1)² + (0.24-1)² + (0.20-0)² + (0.96-0)² = 1.865; D(2) = (0.92-1)² + (0.76-1)² + (0.28-0)² + (0.12-0)² = 0.676;

Step-4 Vektor input tertutup untuk output node 2, maka: J = 2

Step-5 Kolom kedua di perbaharui dengan:

Step-2 Untuk vector keempat [0 0 1 1] lakukan langkah 3-5;

Step-3 D(1) = (0.08-0)² + (0.24-0)² + (0.20-1)² + (0.96-1)² = 0.705; D(2) = (0.968-0)² + (0.304-0)² + (0.112-1)² + (0.048-1)² = 2.72; Step-4 Vektor input tertutup untuk output node 2, maka:

J = 1

Step-5 Kolom kedua di perbaharui dengan:

Step-6 Kurangi dengan learning rate: a = 0.5(0.6) = 0.3

persamaan bobot yang di perbaharui sekarang:

w

_ij(new)

= w

_ij(old)+

0.3[x

-w

_ij(old)

]

Matriks bobot setelah 2 kali pelatihan adalah:

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Perkembangan perangkat keras dan perangkat lunak di era ini sangat mempengaruhi pola pemakaian komputer. Komputer dapat di program seolah-olah seperti manusia. Salah satu manfaat teknologi komputer yaitu dapat digunakan untuk sistem pakar. Salah satu implementasi yang diterapkan yaitu bidang kesehatan dan peternakan. Sistem ini menggunakan pengetahuan seorang dokter yang dalam hal ini berlaku sebagai pakar. Pengetahuan-pengetahuan yang dimiliki dokter akan disimpan dalam program komputer yang nantinya diharapkan program komputer ini bekerja sebagaimana layaknya penalaran yang dilakukan seorang dokter hewan.

Peternakan ayam saat ini menghadapi banyak kendala. Salah satu kendala yang serius bagi peternakan ayam dalam mencegah penyakit adalah keberhasilan vaksinasi. Bila terjadi wabah suatu penyakit, akan memerlukan banyak biaya untuk pengobatan, selain itu juga akan terjadi penurunan produksi ternak tersebut. Untuk mengetahui beberapa jenis penyakit dperlukan beberapa data.

Pengelompokan data merupakan salah satu dari tugas utama data mining. Dengan pengelompokan data maka akan dapat diperoleh informasi tertentu. Penerapan pengelompokan data dalam kehidupan cukup banyak, misalnya dibidang biologi, kependudukan, lingkungan dan lain-lain. Salah satu metode untuk mengelompokkan data adalah dengan menggunakan jaringan syaraf tiruan. Beberapa metode jaringan syaraf tiruan dapat digunakan untuk proses clustering pattern input ke dalam cluster

tertentu karena jaringan syaraf tiruan tertentu mempunyai kemampuan belajar unsupservised. Contohnya algoritma Self Organizing Feature Maps (SOFM)[5].

Mencermati hal-hal di atas maka penulis membuat suatu penelitian yang berjudul “Implementasi Jaringan Syaraf Tiruan dalam Mendeteksi Penyakit pada Ayam dengan Metode Self-Organizing Feature Maps (SOFM)”.

1.2 Rumusan Masalah

Berdasarkan uraian pada latar belakang, maka dapat dirumuskan permasalahan yaitu : 1. Bagaimana mendeteksi penyakit pada ayam yang disebabkan oleh virus secara

terkomputerisasi

2. Bagaimana mengembangkan sistem yang bisa digunakan untuk mendeteksi penyakit ayam dengan menggunakan Jaringan Syaraf Tiruan Self-Organizing Feature Maps.

1.3 Batasan Masalah

Ruang lingkup pada penelitian ini dibatasi pada hal-hal sebagai berikut: 1. Implementasi sistem pada penelitian ini menggunakan Matlab R2007b.

2. Jenis penyakit ayam yang akan diteliti yaitu penyakit ayam berdasarkan gejala yang tampak.

3. Implementasi sistem berbasis desktop.

4. Pelatihan jaringan dilakukan dengan menggunakan metode Self Organizing Feature Maps (SOFM).

5. Masukan sistem adalah berupa bilangan biner yang dimasukkan melalui check box pada tampilan. Apabila di clik, maka check box bernilai satu dan apabila tidak di clik maka bernilai nol. Bilangan biner tersebut tersimpan di file excel.

1.4 Tujuan Penelitian

Tujuan penelitian ini adalah :

1. Membuat suatu sistem yang dapat digunakan sebagai alat bantu untuk mendeteksi penyakit yang terdapat pada ayam.

2. Mengetahui bagaimana kinerja metode SOFM dalam mendeteksi penyakit.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut:

1. Menambah pemahaman dan pengetahuan penulis mengenai jaringan syaraf tiruan self-organizing feature maps (SOFM).

2. Membantu peternak ayam untuk mengetahui jenis penyakit ayam dengan melihat gejala yang dialami hewan.

3. Mengetahui kinerja jaringan syaraf tiruan dalam mendeteksi penyakit pada manusia dengan metode SOFM.

1.6 Metode Penelitian

Dalam proses pengerjaan tugas akhir ini penulis menggunakan beberapa tahapan metode penelitian, yaitu:

1. Studi Literatur

Tahapan ini dilakukan dengan mempelajari sumber-sumber referensi yang berkaitan dengan skripsi ini, baik dari textbook atau internet mengenai penyakit pada ayam, JST dan Pemrograman Matlab R2007b.

2. Pengumpulan Data

Pada tahap pengumpulan data ini dilakukan wawancara pada pakar untuk mengetahui bagaimana mendiagnosis penyakit pada ayam yang disebabkan oleh virus di lapangan.

3. Analisis

Pada tahapan ini dilakukan analisis terhadap permasalahan yang ada dan kebutuhan sistem, seperti perangkat keras dan perangkat lunak yang dibutuhkan dalam pembuatan sistem. Serta analisis terhadap masukan dan keluaran dari sistem yang akan dibuat.

4. Perancangan Sistem

Pada tahapan ini dilakukan gambaran sistem baik berupa diagram alir, masukan, keluaran, DFD, antarmuka dan struktur data.

5. Implementasi Sitem

Pada tahapan ini dilakukan pembuatan program aplikasi berdasarkan sistem yang telah dirancang.

6. Pengujian Sistem

Pada tahapan ini dilakukan pengujian akan sistem yang telah dibuat untuk mengetahui kesalahan dan memperbaiki kesalahan yang ada serta mengukur ketepatan keluaran dari sistem terhadap keadaan sebenarnya.

1.7 Diagram Alir Penelitian

Proses penelitian dilakukan dengan menggunakan masukan berupa ciri penyakit yang berupa bilangan biner, kemudian masukan dilatih menggunakan JST SOFM. Setelah JST SOFM dilatih, bobot hasil pelatihan SOFM disimpan. Kemudian dilakukan pengujian dengan menggunakan bobot hasil pelatihan sehingga didapat output jenis penyakit yang sesuai dengan hasil pengujian. Flowchart penelitian ditampilkan pada Gambar 1.1

Mulai Input Ciri Penyakit Selesai Latih JST SOFM Output Jenis Penyakit

Uji JST SOFM dengan bobot hasil pelatihan

Gambar 1.1 Diagram Alir Sistem

1.8 Sistematika Penulisan

Sistematika penulisan dari skripsi ini terdiri dari beberapa bagian utama sebagai berikut:

BAB 1: PENDAHULUAN

Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi “Implementasi Jaringan Syaraf Tiruan dalam Mendeteksi Penyakit pada ayam dengan Metode Self-Organizing Feature Maps (SOFM)”, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, flowchart penelitian dan sistematika penulisan.

BAB 2: TINJAUAN PUSTAKA

Bab ini menjelaskan mengenai teori-teori yang digunakan dalam pengerjaan Tugas Akhir ini, meliputi teori – teori tentang kesehatan, jaringan syaraf tiruan, dan teori lainnya yang digunakan dalam analisis, perancangan dan implementasi skripsi.

BAB 3: ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi analisis terhadap fokus permasalahan penelitian dan perancangan terhadap sistem dalam mendeteksi penyakit.

BAB 4: IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini berisi teknik implementasi dari perancangan yang telah dibuat dan pengujian terhadap implementasi. Pengujian dilakukan untuk membuktikan perangkat lunak dapat berjalan sesuai dengan spesifikasi yang telah ditentukan di tahapan analisis.

BAB 5: KESIMPULAN DAN SARAN

Bab ini akan memuat kesimpulan isi dari keseluruhan uraian bab-bab sebelumnya dan saran-saran dari hasil yang diperoleh yang diharapkan dapat bermanfaat untuk pengembangan selanjutnya.

ABSTRAK

Dengan teknologi yang semakin berkembang saat ini, sebuah sistem dapat mendeteksi penyakit baik pada manusia, tumbuhan maupun hewan. Self-Organizing Feature Maps adalah salah satu metode jaringan syaraf tiruan yang dapat melakukan pendeteksian, dimana neuron yang mempunyai jarak yang paling kecil adalah neuron pemenang atau neuron yang paling sesuai denga input yang diberikan. Parameter dalam sistem adalah penyakit ayam. Input dalam sistem yaitu berupa 60 ciri dan gejala penyakit dan outputnya adalah 16 jenis penyakit ayam. Pada sistem ini terdapat proses pelatihan dan proses pengujian. Pada tugas akhir ini sistem menggunakan Matlab R2007b dan Microsoft Office Excel 2007 untuk sebagai tempat penyimpanan data yaitu terdiri dari 60 ciri dan 16 jenis penyakit dikelompokkan ke dalam 4 JST. JST pertama terdiri dari 15 ciri dan gejala penyakit yang dimulai dari ciri yang pertama sampai ciri yang ke-15. Begitu juga dengan JST 2 dimulai dari ciri yang ke-16 sampai ciri yang ke-30. Begitu seterusnya sampai JST 4. Sistem ini dilatih dengan 100 iterasi. Dengan menginputkan ciri dan gejala penyakit, maka akan diperoleh output berupa salah satu penyakit ayam dari 16 jenis penyakit. Akan tetapi keakuratan dalam jaringan syaraf tiruan dengan metode Self Organizing Feature Maps tidak 100% benar yang ditunjukkan ada beberapa input yang tidak menghasilkan output yang benar.

Katakunci : Jaringan Syaraf Tiruan, Jaringan Kompetitif Self-Organizing

Feature Maps (SOFM), Penyakit Ayam, Iterasi, Pelatihan

Kata Kunci: Pengenalan Pola, Tanda Tangan, AnalisisKomponen Utama, Jaringan Saraf Tiruan, Backpropagation

IMPLEMENTATION OF ARTIFICIAL NEURAL NETWORKS FOR DETECTING DISEASES IN CHICKEN BY METHOD

SELF-ORGANIZING FEATURE MAPs (SOFM)

ABSTRACT

With the development of technology, a system can detect diseases in humans, plants and animals. Self-Organizing Feature Maps is one method of neural network that can perform detection, where the neuron that has the smallest distance is the winner neuron or neurons that best suits a given input. Parameter in the system are chicken diseases. Input into the system are 60 traits and symptoms of the diseases and the output are 16 kinds of chicken diseases. There are training and simulation stages in the system. The system uses Matlab2007b and Excel 2007 as data storage which consists of 60 traits and diseases which are then grouped into 4 artificial neural network. The first artificial neural network has 15 traits and symptoms of the disease, starting from trait #1 to #15. Traits #16 to #30 are placed in the second artificial neural network, and so forth until the fourth artificial neural network. The system is trained with 100 iterations. By inputting traits and symptoms, the system will output one of the 16 chicken diseases. However, the accuracy of the artificial neural networks with SOFM method is not 100% correct which was indicated by some input not resulting in the correct output.

Keywords: Artificial Neural Networks, Competitive Networks Self-Organizing Feature Maps (SOFM), Chicken Diseases, Iteration, Training

IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM MENDETEKSI PENYAKIT PADA AYAM DENGAN

METODE SELF-ORGANIZING FEATURE MAPS (SOFM)

SKRIPSI

ANNY MAGHFIRAH 081401013

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2013

IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM MENDETEKSI PENYAKIT PADA AYAM DENGAN

METODE SELF-ORGANIZING FEATURE MAPS (SOFM)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ijazah Sarjana Ilmu Komputer

ANNY MAGHFIRAH 081401013

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2013

PERSETUJUAN

Judul : IMPLEMENTASI JARINGAN SYARAF TIRUAN

DALAM MENDETEKSI PENYAKIT PADA AYAM DENGAN METODE SELF-ORGANIZING FEATURE MAPS (SOFM)

Kategori : SKRIPSI

Nama : ANNY MAGHFIRAH

Nomor Induk Mahasiswa : 081401013

Program Studi : SARJANA (S1) ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, 23 Juli 2013 Komisi Pembimbing :

Pembimbing II, Pembimbing I,

Amer Sharif, S.Si, M. Kom Dr. Poltak Sihombing, M.Kom

NIP. - NIP. 196203171991021001

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom NIP. 196203171991021001

PERNYATAAN

IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM MENDETEKSI PENYAKIT PADA AYAM DENGAN

METODE SELF-ORGANIZING FEATURE MAPS (SOFM)

SKRIPSI

Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, 23 Juli 2013

ANNY MAGHFIRAH 081401013

PENGHARGAAN

Alhamdulillah. Puji dan syukur penulis ucapkan kepada Allah SWT atas limpahan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Shalawat dan salam kepada Rasulullah Muhammad SAW.

Pada pengerjaan skripsi dengan judul Implementasi Jaringan Syaraf Tiruan dalam Mendeteksi penyakit pada Ayam dengan Metode Self-Organizing Feature Maps (SOFM) penulis menyadari bahwa banyak campur tangan pihak yang turut membantu dan memotivasi dalam pengerjaannya. Dalam kesempatan ini, penulis mengucapkan terima kasih kepada:

1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K), selaku Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. dan Pembantu Dekan.

3. Bapak Dr. Poltak Sihombing, M.Kom selaku dosen pembimbing dan Ketua Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

4. Sekretaris Program Studi Ilmu Komputer Ibu Maya Silvi Lydia, B.Sc, M.Sc, dan semua dosen pada Program Studi S1 Ilmu Komputer FASILKOMTI USU dan semua pegawai di Program Studi S1 Ilmu Komputer USU.

5. Bapak Amer Sharif, S.Si, M.Kom sebagai pembimbing yang telah memberikan arahan dan motivasi kepada penulis dalam pengerjaan skripsi ini.

6. Bapak Dr. Marhaposan Situmorang dan Muhammad Andri Budiman, ST, MCompSC, MEM sebagai dosen penguji yang telah memberikan saran dan kritik kepada penulis dalam penyempurnaan skripsi ini.

7. drh. Mulia Riski yang telah bersedia meluangkan waktunya kepada penulis untuk berkonsultasi tentang penyakit ayam.

8. Ayahanda Muhammad Amin dan Ibunda Yusnidar yang telah memberikan do’a, dukungan, perhatian serta kasih sayang yang tulus serta pengorbanan yang tidak ternilai harganya.

9. Kakak dan Adik penulis Yul Ummi Syahida, S.Pd, Fikria Jauhari, SE, Rilwan Hadinata, S.Pd, dan adik penulis Raihan Hidayat serta kepada seluruh keluarga

besar penulis secara khusus kak Winda Rezki Armasari, SE yang tidak henti-hentinya memberikan dorongan, semangat kepada penulis.

10.Teman-teman seperjuangan mahasiswa S1-Ilmu Komputer stambuk 2008 secara khusus Heny Muliana, S.Kom, Mirnawati, S.Kom, Ratnaningtyas Yoga Wijayanti, S.Kom, Sadifa Asrofa, S.Kom, dan Zainuddin Siregar yang telah memberikan motivasi dan perhatiannya.

11.Teman-teman semasa sekolah, Titien Juliyanti, Intan Rukiyah, Maulidannur yang selalu memberikan semangat dan motivasinya.

12.Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.

Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, oleh karena itu penulis menerima saran dan kritik yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.

Medan, 23 Juli 2013

ABSTRAK

Katakunci : Jaringan Syaraf Tiruan, Jaringan Kompetitif Self-Organizing

Feature Maps (SOFM), Penyakit Ayam, Iterasi, Pelatihan

Kata Kunci: Pengenalan Pola, Tanda Tangan, AnalisisKomponen Utama, Jaringan Saraf Tiruan, Backpropagation

IMPLEMENTATION OF ARTIFICIAL NEURAL NETWORKS FOR DETECTING DISEASES IN CHICKEN BY METHOD

SELF-ORGANIZING FEATURE MAPs (SOFM)

ABSTRACT

Keywords: Artificial Neural Networks, Competitive Networks Self-Organizing Feature Maps (SOFM), Chicken Diseases, Iteration, Training

DAFTAR ISI Halaman Persetujuan ii Pernyataan iii Penghargaan iv Abstrak vi Abstract vii Daftar Isi viii Daftar Tabel x

Daftar Gambar xi

Daftar Lampiran xiii Bab 1 Pendahuluan 1.1Latar Belakang 1 1.2Rumusan Masalah 2 1.3Batasan Masalah 2 1.4Tujuan Penelitian 3 1.5Manfaat Penelitian 3 1.6Metode Penelitian 3

1.7Diagram Alir Penelitian 4

1.8Sistematika Penulisan 5

Bab 2 Tinjauan Pustaka 2.1 Anatomi Ayam 7 2.2 Jaringan Syaraf Biologi 7 2.3 Jaringan Syaraf Tiruan 9 2.3.1 Komponen Jaringan Syaraf 12

2.3.2 Manfaat Jaringan Syaraf Tiruan 13

2.4 Keunggulan Jaringan Syaraf Tiruan 14

2.5 Arsitektur Jaringan Syaraf Tiruan 14 2.5.1 Jaringan Umpan-Maju Lapisan Unggal 15

2.5.2 Jaringan Umpan-Maju Lapisan Banyak 15

2.5.3 Jaringan Syaraf Tiruan Recurrent 16

2.6 Metode Pembelajaran 17

2.6.1 Metode Pembelajaran Terpandu 17

2.6.2 Metode Pembelajaran Tidak Terpandu 18

2.6.3 Metode Pembelajaran Hibrida (Reinforcement) 18

2.7 Jaringan Syaraf Tiruan Sel-Organizing Feature Maps 18

2.7.1 Arsitektur Jaringan Self-Organizing Feature Maps 20

2.7.2 Algoritma Pelatihan Jaringan Kohonen SOM 20

Bab 3 Analisis Dan Perancangan Sistem

3.1 Analisis Permasalahan 24

3.2 Analisis Sistem 24

3.2.1 Analisis Masukan dan Keluaran Sistem 25

3.2.2 Analisis Jaringan Syaraf Tiruan 27

3.2.3 Analisis Self-Organizing Feature Maps 28

3.3 Perancangan Sistem 33

3.3.1 Perancangan Prosedural 34

3.3.1.1 Proses Pelatihan JST 34

3.3.1.2 Proses Pengujian JST 35

3.3.2 Perancangan Data Flow Diagram (DFD) 37 3.3.3 Tabel Penyakit, Ciri Dan Gejalanya 38

3.3.4 Perancangan Antarmuka 52

3.3.4.1. Antarmuka Depan 52

3.3.4.2. Antarmuka Diagnosa Penyakit 53

3.3.4.3. Antarmuka Jenis Penyakit 55

3.3.4.4. Antarmuka Lihat Jenis Penyakit 56 Bab 4 Implementasi Dan Pengujian Sistem

4.1 Implementasi Sistem 58

4.1.1 Tampilan Antarmuka Sistem 58

4.1.1.1 Antarmuka Depan 59

4.1.1.2 Antarmuka Diagnosa Penyakit 59

4.1.1.3 Antarmuka Lihat Jenis Penyakit 61

4.1.1.4 Antarmuka Keluar 62

4.2 Pengujian Sistem 63

4.2.1 Pengujian Pengenalan Penyakit 63

Bab 5 Kesimpulan Dan Saran

5.1 Kesimpulan 71

5.2 Saran 72

DAFTAR TABEL

Halaman

3.1 Penyakit, ciri dan Gejala 38

4.1 Perbandingan Hasil Pengujian Pertama 66

4.2 Perbandingan Hasil Pengujian Kedua 66

4.3 Perbandingan Hasil Pengujian Ketiga 67

4.4 Perbandingan Hasil Pengujian Keempat 68

DAFTAR GAMBAR

Halaman

1.1 Diagram Alir Sistem 5

2.1 ^{Struktur Dasar Jaringan Syaraf Tiruan dan Struktur Sederhana Sebuah}

Neuron ⁹

2.2 Model Neuron 11

2.3 Struktur Neuron Jaringan Syaraf Tiruan 12

2.4 Jaringan Umpan-Maju Lapisan Tunggal 15

2.5 Jaringan Umpan-Maju Lapisan Banyak 16

2.6 Jaringan Syaraf Tiruan Recurrent 17

2.7 Arsitektur Jaringan Self-Organizing Feature Maps 19

3.1 Diagram Alir Proses Pelatihan JST 34

3.2 Diagram Alir Proses Pengujian JST 35

3.3 Diagram Konteks Sistem Pengenal Penyakit 37

3.4 DFD Level 1 Sistem Pengenal Penyakit 38

3.5 Tampilan Rancangan Antarmuka Depan 53

3.6 Tampilan Rancangan Antarmuka Diagnosa Penyakit 54 3.7 Tampilan Rancangan Antarmuka Diagnosa Penyakit Kedua 55 3.8 Tampilan Rancangan Antarmuka Jenis Penyakit 56 3.9 Tampilan Rancangan Antarmuka Lihat Jenis Penyakit 57

4.1 Tampilan Antarmuka Depan 59

4.2 Tampilan Antarmuka Diagnosa Penyakit Pertama 60

4.3 Tampilan Antarmuka Diagnosa Penyakit Kedua 61

4.4 Tampilan Antarmuka Lihat Jenis Penyakit 62

4.5 Tampilan Antarmuka Konfirmasi Keluar 62

4.6 Tampilan Input Ciri Dan Gejala Penyakit Pertama 63 4.7 Tampilan Input Ciri Dan Gejala Penyakit Kedua 64 4.8 Tampilan Hasil Pengujian Sistem Dalam Penganalan Penyakit 65

LAMPIRAN

A. Listing Program A-1

B. Jenis Penyakit, Ciri Dan Gejalanya B-1

Dalam dokumen Implementasi Jaringan Syaraf Tiruan Dalam Mendeteksi Penyakit Pada Ayam Dengan Metode Self-Organizing Feature Maps (Sofm) (Halaman 107-130)