ANALISIS DAN PEMBAHASAN
4.2.2 Implementasi Recognition
Sesudah melakukan training sejumlah gejala-gejala penyakit pada jaringan syaraf tiruan dilakukan pengenalan jenis penyakit ginjal berdasarkan gejala-gejala yang diinput pengguna dengan menggunakan variasi parameter jaringan. Setelah semua data gejala-gejala penyakit berhasil di-training maka dilakukan pengujian atau prediksi nama penyakit berupa input gejala.
a. Percobaan Pertama dengan Inisialisasi Acak
Percobaan pertama dengan parameter jaringan sebagai berikut: Maksimal epoch = 100
Min Error = 0.01
Maksimal Iterasi = 100 Learning Rate = 0.8
Hasil recognition (Pengenalan) untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.4
Gambar 4.4 Tampilan Hasil Recognition Gagal Ginjal Akut
Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan dimasukkan ke dalam Tabel 4.10.
Tabel 4.10 Hasil Recognition Percobaan Pertama No Nama Penyakit % Prediksi 1 Gagal Ginjal Akut 78.14
2 Kanker Ginjal 56.11
3 Pielonefritis 1.1
4 Sindrom Nefrotik 32.48
5 Hidronefrosis 99.03
6 Kanker Kandung Kemih 7.05 7 Ginjal Polkista 48.8
8 Nefritis Tububinter
Stisialis
37.75
9 Sistisis 56.48
10 Infeksi Saluran Kemih 42.88
b.Percobaan Kedua dengan Inisialisasi Acak
Percobaan Kedua dengan parameter jaringan sebagai berikut: Maksimal epoch = 500
Min Error = 0.01
Maksimal Iterasi = 500 Learning Rate = 0.8
Hasil recognition (Pengenalan) untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.5
Gambar 4.5 Tampilan Hasil Recognition Gagal Ginjal Akut Percobaan Pertama
Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan dimasukkan ke dalam Tabel 4.10.
Tabel 4.11 Hasil Recognition Percobaan Kedua No Nama Penyakit % Prediksi 1 Gagal Ginjal Akut 47.00
2 Kanker Ginjal 36.30
3 Pielonefritis 7.17
4 Sindrom Nefrotik 58.42
5 Hidronefrosis 98.81
6 Kanker Kandung Kemih 0.87 7 Ginjal Polkista 75.53
8 Nefritis Tububinter
Stisialis
2.51
9 Sistisis 95.53
10 Infeksi Saluran Kemih 99.49
Prediksi Rata-rata (%) 52,16
c.Percobaan Ketiga dengan Inisialisasi Acak
Percobaan Ketiga dengan parameter jaringan sebagai berikut: Maksimal epoch = 1000
Min Error = 0.01
Maksimal Iterasi = 1000 Learning Rate = 0.8
Hasil recognition (Pengenalan) untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.6.
Gambar 4.6 Tampilan Hasil Recognition Gagal Ginjal Akut Percobaan Ketiga
Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan dimasukkan ke dalam Tabel 4.12.
Tabel 4.12 Hasil Recognition Percobaan Ketiga No Nama Penyakit % Prediksi 1 Gagal Ginjal Akut 26,08
2 Kanker Ginjal 29,78
3 Pielonefritis 18,98
4 Sindrom Nefrotik 66,39
5 Hidronefrosis 90,64
6 Kanker Kandung Kemih 0.76 7 Ginjal Polkista 90,67
8 Nefritis Tububinter
Stisialis
5,35
9 Sistisis 96,44
10 Infeksi Saluran Kemih 99,64
d.Percobaan Pertama dengan Inisialisasi Nguyen Widrow
Percobaan pertama dengan parameter jaringan sebagai berikut: Maksimal epoch = 100
Min Error = 0.01
Maksimal Iterasi = 100 Learning Rate = 0.8
Hasil recognition (Pengenalan) untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.7.
Gambar 4.7 Tampilan Hasil Recognition Gagal Ginjal Akut
Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan dimasukkan ke dalam Tabel 4.13.
Tabel 4.13 Hasil Recognition Percobaan Pertama Nguen Widrow No Nama Penyakit % Prediksi 1 Gagal Ginjal Akut 62,79
2 Kanker Ginjal 15,48
3 Pielonefritis 9.71
4 Sindrom Nefrotik 68,15
5 Hidronefrosis 9.32
6 Kanker Kandung Kemih 4.08 7 Ginjal Polkista 77.08
8 Nefritis Tububinter
Stisialis
8.07
9 Sistisis 90.32
10 Infeksi Saluran Kemih 98.97
Prediksi Rata-rata (%) 44,39 e.Percobaan Kedua dengan Inisialisasi Nguyen Widrow
Percobaan kedua dengan parameter jaringan sebagai berikut: Maksimal epoch = 500
Min Error = 0.01
Maksimal Iterasi = 500 Learning Rate = 0.8
Hasil recognition (Pengenalan) untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.8
Gambar 4.8 Tampilan Hasil Recognition Gagal Ginjal Akut
Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan dimasukkan ke dalam Tabel 4.14.
Tabel 4.14 Hasil Recognition Percobaan Kedua Nguen Widrow No Nama Penyakit % Prediksi
1 Gagal Ginjal Akut 0.66
2 Kanker Ginjal 45.62
3 Pielonefritis 12.30
4 Sindrom Nefrotik 63.84
5 Hidronefrosis 35.77
6 Kanker Kandung Kemih 2.71 7 Ginjal Polkista 64.24
8 Nefritis Tububinter
Stisialis
8.57
9 Sistisis 98.72
10 Infeksi Saluran Kemih 99.49
f.Percobaan Ketiga dengan Inisialisasi Nguyen Widrow
Percobaan ketiga dengan parameter jaringan sebagai berikut: Maksimal epoch = 1000
Min Error = 0.01
Maksimal Iterasi = 1000 Learning Rate = 0.8
Hasil recognition (Pengenalan) untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.9
Gambar 4.9 Tampilan Hasil Recognition Gagal Ginjal Akut
Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan hasilnya dimasukkan pada dimasukkan ke dalam Tabel 4.15.
Tabel 4.15 Hasil Recognition Percobaan Ketiga Nguen Widrow No Nama Penyakit % Prediksi
1 Gagal Ginjal Akut 0.24
2 Kanker Ginjal 22.91
3 Pielonefritis 2.00
4 Sindrom Nefrotik 84.82
5 Hidronefrosis 94.92
6 Kanker Kandung Kemih 1.35 7 Ginjal Polkista 75.99 8 Nefritis Tububinter
Stisialis
16.93
9 Sistisis 98.91
10 Infeksi Saluran Kemih 99.64
Prediksi Rata-rata (%) 49,77
g.Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Pertama
Dari hasil recognition secara inisialisasi bobot dan bias secara acak dan dengan algoritma Nguyen Widrow pada percobaan pertama dimasukkan pada sebuah tabel seperti pada Tabel 4.16.
Tabel 4.16 Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Pertama
No Nama Penyakit % Prediksi Inisialisasi Acak
% Prediksi Nguyen Widrow
1 Gagal Ginjal Akut 78.14 62,79
2 Kanker Ginjal 56.11 15,48
3 Pielonefritis 1.1 9.71
4 Sindrom Nefrotik 32.48 68,15
5 Hidronefrosis 99.03 9.32
6 Kanker Kandung Kemih 7.05 4.08
7 Ginjal Polkista 48.8 77.08
8 Nefritis Tububinter
Stisialis
37.75 8.07
9 Sistisis 56.48 90.32
10 Infeksi Saluran Kemih 42.88 98.97
h.Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Kedua
Dari hasil recognition secara inisialisasi bobot dan bias secara acak dan dengan algoritma Nguyen Widrow pada percobaan kedua dimasukkan pada sebuah tabel seperti pada Tabel 4.17.
Tabel 4.17 Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Kedua
No Nama Penyakit % Prediksi Inisialisasi Acak
% Prediksi Nguyen Widrow
1 Gagal Ginjal Akut 47.00 0.66
2 Kanker Ginjal 36.30 45.62
3 Pielonefritis 7.17 12.30
4 Sindrom Nefrotik 58.42 63.84
5 Hidronefrosis 98.81 35.77
6 Kanker Kandung Kemih 0.87 2.71
7 Ginjal Polkista 75.53 64.24
8 Nefritis Tububinter
Stisialis
2.51 8.57
9 Sistisis 95.53 98.72
10 Infeksi Saluran Kemih 99.49 99.49
Prediksi Rata-rata (%) 52,16 43,192
i.Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Ketiga
Dari hasil recognition secara inisialisasi bobot dan bias secara acak dan dengan algoritma Nguyen Widrow pada percobaan ketiga dimasukkan pada sebuah tabel seperti pada Tabel 4.18.
Tabel 4.18 Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Ketiga
No Nama Penyakit % Prediksi Inisialisasi Acak
% Prediksi Nguyen Widrow
1 Gagal Ginjal Akut 26,08 0.24
2 Kanker Ginjal 29,78 22.91
3 Pielonefritis 18,98 2.00
4 Sindrom Nefrotik 66,39 84.82
5 Hidronefrosis 90,64 94.92
6 Kanker Kandung Kemih 0.76 1.35
7 Ginjal Polkista 90,67 75.99
8 Nefritis Tububinter
Stisialis
5,35 16.93
9 Sistisis 96,44 98.91
10 Infeksi Saluran Kemih 99,64 99.64
BAB 5