IMPLEMENTASI ALGORITMA BACKPROPAGATION UNTUK PREDIKSI PENYAKIT BATU GINJAL (NEFROLITIASIS) (STUDI KASUS RSUD KOTA TANGERANG) SKRIPSI.

IMPLEMENTASI ALGORITMA BACKPROPAGATION UNTUK PREDIKSI PENYAKIT BATU GINJAL

(NEFROLITIASIS)

(STUDI KASUS RSUD KOTA TANGERANG)

SKRIPSI

Disusun Oleh:

TYARA PUNDHI OVIANA 1510511030

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA FAKULTAS ILMU KOMPUTER

PROGRAM STUDI INFORMATIKA

2019

i

IMPLEMENTASI ALGORITMA BACKPROPAGATION UNTUK PREDIKSI PENYAKIT BATU GINJAL

(NEFROLITIASIS)

(STUDI KASUS RSUD KOTA TANGERANG)

SKRIPSI

Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer

HALAMAN JUDUL

Disusun Oleh:

TYARA PUNDHI OVIANA 1510511030

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA FAKULTAS ILMU KOMPUTER

PROGRAM STUDI INFORMATIKA

2019

ii

iii

iv

v

IMPLEMENTASI ALGORITMA BACKPROPAGATION UNTUK PREDIKSI PENYAKIT BATU GINJAL

(NEFROLITIASIS)

(STUDI KASUS RSUD KOTA TANGERANG)

Tyara Pundhi Oviana ABSTRAK

ABSTRAK

Batu Ginjal (Nefrolitiasis) merupakan penyakit yang disebabkan adanya gumpalan kecil dan keras yang terjadi di dalam ginjal. Penanganan terlambat terhadap penyakit batu ginjal dapat meningkatkan risiko penyakit ginjal kronis bagi penderitanya. Oleh karena itu, dibutuhkan suatu sistem yang dapat memprediksi apakah pasien tersebut positif atau negatif batu ginjal. Penelitian ini menerapkan teknik Data Mining untuk menemukan pengetahuan baru dari sekumpulan data yang ada sehingga dapat melakukan prediksi penyakit batu ginjal. Prediksi dilakukan dengan menerapkan prinsip-prinsip algoritma Jaringan Syaraf Tiruan Backpropagation dengan atribut yang didapatkan dari rekam medis pasien.

Konfigurasi terbaik yang diterapkan pada arsitektur jaringan adalah dengan 12 neuron input layer, 120 neuron hidden layer, dan 1 neuron output layer dengan nilai learning rate sebesar 0.2 dan 0.5, serta batas error 0.025 dengan fungsi aktivasi sigmoid biner yang menghasilkan akurasi sebesar 98,5507% dan nilai error MSE 0,014493.

Kata kunci : Batu Ginjal, Data Mining, Prediksi, Backpropagation

vi

IMPLEMENTATION OF BACKPROPAGATION ALGORITHM TO PREDICT KIDNEY STONE DISEASE

(NEPHROLITHIASIS)

(CASE STUDY RSUD TANGERANG CITY)

Tyara Pundhi Oviana

ABSTRACT

ABSTRACT

Kidney Stone (Nephrolithiasis) is a disease caused by small and hard lumps that occur in the kidneys. Late treatment of kidney stones can increase the risk of chronic kidney disease for sufferers. Therefore, a system is needed that can predict whether the patient is positive or negative. This study applies Data Mining techniques to find new knowledge from a set of data that can be done to predict kidney stone disease. Prediction is done by applying the principles of Backpropagation Artificial Neural Network algorithm with attributes obtained from the patient's medical record. The best configuration applied to network architecture is with 12 neurons of input layer, 120 neurons of hidden layer, and 1 neuron output layer with learning rate values of 0.2 and 0.5, and error limits of 0.025 with binary sigmoid activated functions that can produced at 98.5507% and MSE error value 0.014493.

Keywords: kidney stone, data mining, prediction, backpropagation

vii

KATA PENGANTAR

Dengan memanjatkan puji beserta syukur penulis panjatkan kehadirat Allah SWT atas segala rahmat dan hidayah-Nya, shalawat serta salam tak lupa tercurahkan kepada Nabi Muhammad SAW, keluarga serta sahabatnya sehingga penulis dapat menyelesaikan skripsi ini yang berjudul “Implementasi Algoritma Backpropagation untuk Prediksi Penyakit Batu Ginjal (Nefrolitiasis) (Studi Kasus RSUD Kota Tangerang)”. Rasa terimakasih penulis ucapkan kepada:

1. Ibu Dr. Ermatita, M.Kom., selaku Dekan Fakultas Ilmu Komputer

2. Ibu Anita Muliawati, S.Kom., MTI., selaku Kepala Program Studi Informatika.

3. Ibu Yuni Widiastiwi, selaku dosen pembimbing I skripsi yang membantu penulis dalam penyusunan skripsi sehingga dapat menyelesaikan skripsi dengan baik.

4. Ibu Vini Indriasari, ST., M.Sc., Ph.D. selaku dosen pembimbing akademik.

5. Bapak Bayu Hananto, S.Kom., M.Kom selaku dosen yang bersedia menjadi rekan diskusi.

6. Ibu, Bapak Dosen Program Studi Informatika UPN “Veteran” Jakarta atas ilmu-ilmu yang bermanfaat.

7. Kepada Pihak RSUD Kota Tangerang, yang telah memberikan izin untuk mengambil data rekam medis pasien pada RSUD Kota Tangerang.

8. Kepada orang tua dan keluarga yang saya cintai, yang telah memberikan dukungan dan doa kepada penulis sehingga penulis dapat menyelesaikan penulisan skripsi ini.

9. Kepada teman-teman penulis mahasiswa Program Studi Informatika Angkatan 2015 yang tidak dapat penulis sebutkan namanya satu persatu.

Akhir kata, semoga skripsi ini dapat bermanfaat bagi para pembacanya.

Jakarta, 29 Juni 2019 Penulis Tyara Pundhi Oviana

viii

DAFTAR ISI

HALAMAN JUDUL ... i

PERNYATAAN ORISINALITAS ... Error! Bookmark not defined. PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSIError! Bookmark not defined. PENGESAHAN ... Error! Bookmark not defined. ABSTRAK ... v

ABSTRACT ... vi

KATA PENGANTAR ... vii

DAFTAR ISI ... viii

DAFTAR GAMBAR ... xii

DAFTAR TABEL ... xiv

DAFTAR SIMBOL ... xv

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Ruang Lingkup ... 2

1.4 Tujuan Penelitian ... 3

1.5 Manfaat Penelitian ... 3

1.6 Luaran Yang diharapkan ... 4

1.7 Sistematika Penulisan ... 4

BAB 2 TINJAUAN PUSTAKA ... 6

2.1 Batu Ginjal ... 6

2.1.1 Definisi Batu Ginjal ... 6

ix

2.1.2 Gejala Batu Ginjal ... 6

2.1.3 Atribut Pemeriksaan ... 7

2.2 Data Mining ... 10

2.2.1 Definisi Data Mining... 10

2.2.2 Tahapan Data Mining ... 11

2.3 Klasifikasi ... 13

2.4 Jaringan Syaraf Tiruan ... 13

2.4.1 Definisi Jaringan Syaraf Tiruan ... 13

2.4.2 Metode Pembelajaran Jaringan Syaraf Tiruan ... 14

2.4.3 Konsep Dasar Jaringan Syaraf Tiruan... 15

2.4.4 Aristektur Jaringan Syaraf Tiruan ... 16

2.5 Jaringan Syaraf Tiruan Backpropagation ... 17

2.5.1 Arsitektur Jaringan Backpropagation ... 18

2.5.2 Fungsi Aktivasi Backpropagation ... 19

2.5.3 Algoritma Pelatihan Backpropagation ... 20

2.6 Evaluasi ... 22

2.7 Matrix Laboratory (Matlab) ... 22

2.7.1 Pengenalan Matlab ... 23

2.7.2 Graphical User Interface (GUIDE) ... 23

2.7.3 Neural Network Toolbox pada Matlab ... 25

2.8 Unified Modeling Language (UML) ... 25

2.9 Related Work ... 27

BAB 3 METODOLOGI PENELITIAN... 30

3.1 Kerangka Pikir ... 30

x

3.2 Identifikasi Masalah ... 31

3.3 Metode Pengumpulan Data ... 31

3.3.1 Tinjauan Pustaka ... 31

3.3.2 Observasi ... 31

3.4 Metode Pengembangan Sistem ... 32

3.4.1 Pengumpulan Data ... 32

3.4.2 Praproses Data (Data Preprocessing) ... 32

3.4.3 Pembagian Data ... 32

3.4.4 Pemodelan Data ... 33

3.4.5 Evaluasi ... 33

3.5 Alat Bantu Penelitian ... 33

3.6 Tempat Penelitian ... 34

3.7 Jadwal Penelitian ... 34

BAB 4 HASIL DAN PEMBAHASAN... 35

4.1 Pengumpulan Data ... 35

4.2 Praproses Data ... 36

4.2.1 Missing value ... 36

4.2.2 Pemilihan Atribut ... 37

4.2.3 Transformasi Data ... 38

4.3 Pembagian Data ... 41

4.3.1 Data Latih (Training) ... 42

4.3.2 Data Uji (Testing) ... 43

4.4 Perancangan Sistem ... 43

4.4.1 Use Case ... 43

xi

4.4.2 Activity Diagram ... 44

4.4.3 Sequence Diagram ... 48

4.4.4 Perancangan Desain Sistem ... 50

4.4.5 Implementasi Sistem ... 53

4.4.6 Pelatihan Jaringan Syaraf Tiruan Backpropagation ... 61

4.4.7 Hasil Pelatihan Jaringan Syaraf Tiruan Backpropagation ... 65

4.4.8 Hasil Pengujian Jaringan Syaraf Tiruan Backpropagation ... 67

4.4.9 Pengaruh Neuron Hidden layer, Learning rate, dan Batasan Error 70 4.5 Hasil Prediksi Penyakit Batu Ginjal ... 71

BAB 5 PENUTUP ... 72

5.1 Kesimpulan ... 72

5.2 Saran ... 72

DAFTAR PUSTAKA ... 73 LAMPIRAN

xii

DAFTAR GAMBAR

Gambar 1 Tahapan KDD ... 11

Gambar 2 Fungsi Aktivasi ... 14

Gambar 3 Arsitektur Layer Tunggal ... 16

Gambar 4 Arsitektur Lapisan Multilayer ... 16

Gambar 5 Arsitektur Lapisan Kompetitif ... 17

Gambar 6 Arsitektur Jaringan Backpropagation ... 18

Gambar 7 Fungsi Aktivasi Sigmoid Biner ... 19

Gambar 8 Fungsi Aktivasi Sigmoid Bipolar ... 20

Gambar 9 Tampilan GUIDE Matlab R2018a ... 24

Gambar 10 Contoh Use case Diagram ... 26

Gambar 11 Contoh Activity Diagram ... 26

Gambar 12 Contoh Sequence Diagram... 27

Gambar 13 Metodologi Penelitian ... 30

Gambar 14 Use case Aplikasi ... 44

Gambar 15 Activity Diagram Latih Data ... 45

Gambar 16 Activity Diagram Bobot dan Bias ... 46

Gambar 17 Activity Diagram Simulasi Data ... 46

Gambar 18 Activity Diagram Prediksi ... 47

Gambar 19 Sequence Diagram Latih Data ... 48

Gambar 20 Sequence Diagram Bobot dan Bias ... 49

Gambar 21 Sequence Diagram Simulasi Data ... 49

Gambar 22 Sequence Diagram Prediksi ... 50

Gambar 23 Rancangan Tampilan Halaman Utama ... 51

Gambar 24 Rancangan Tampilan Form Bobot dan Bias ... 52

xiii

Gambar 25 Rancangan Tampilan Form Prediksi ... 52

Gambar 26 Implementasi Halaman Utama ... 53

Gambar 27 Implementasi Bobot dan Bias ... 58

Gambar 28 Implementasi Form Prediksi ... 60

Gambar 29 Arsitektur JST Sistem Prediksi Batu Ginjal ... 65

Gambar 30 Grafik Akurasi Pengujian dengan JST Backpropagation ... 69

Gambar 31 Grafik Error MSE Pengujian JST Backpropagation ... 70

xiv

DAFTAR TABEL

Tabel 1 Jadwal Penelitian... 34

Tabel 2 Data Awal Rekam Medis Pasien Batu Ginjal ... 35

Tabel 3 Data Rekam Medis Pasien Batu Ginjal Hasil Praproses ... 37

Tabel 4 Data Rekam Medis Pasien Setelah Normalisasi Data ... 41

Tabel 5 Percobaan Variasi Data Latih dan Data Uji ... 42

Tabel 6 Data Training ... 42

Tabel 7 Data Testing ... 43

Tabel 8 Hasil Percobaan Variasi Nilai Epoch ... 63

Tabel 9 Variasi Parameter Pelatihan ... 64

Tabel 10 Hasil Pelatihan Jaringan Syaraf Tiruan Backpropagation ... 66

Tabel 11 Hasil Pengujian Jaringan Syaraf Tiruan Backpropagation ... 67

Tabel 12 Hasil Prediksi Penyakit Batu Ginjal... 71

xv DAFTAR SIMBOL

Simbol Use case Diagram

NO GAMBAR NAMA KETERANGAN

1 Actor Menggambarkan peran orang, sistem lain,

atau alat yang berinteraksi dengan use case

3 Generalisasi Relasi use case tambahan ke sebuah use

case

4 Association Menggambarkan penghubung saat aktor

berinteraksi dengan use case

5 System

Menggambarkan paket keseluruhan sistem

6 Use case Mendeskripsikan interaksi antara sistem

dengan aktor

xvi Simbol Activity Diagram

NO GAMBAR NAMA KETERANGAN

1 Activity

Menampilkan bagaimana setiap kelas pada antarmuka (interface) saling melakukan interaksi

2 Action Suatu status dimana sistem melakukan

eksekusi terhadap suatu aksi

3 Initial

Node

Menggambarkan status awal dari aktivitas pada sistem

4

Activity Final Node

Menggambarkan status akhir dari aktivitas pada sistem

Simbol Sequence Diagram

NO GAMBAR NAMA KETERANGAN

1 LifeLine

Objek entity, antarmuka yang saling berinteraksi.

2 Message

Spesifikasi dari komunikasi antar objek yang memuat informasi-informasi tentang aktifitas yang terjadi

3 Message

Spesifikasi dari komunikasi antar objek yang memuat informasi-informasi tentang aktifitas yang terjadi

xvii DAFTAR LAMPIRAN

Lampiran 1 Data Awal Rekam Medis

Lampiran 2 Data Sampel Rekam Medis Pasien Hasil Praproses Lampiran 3 Data Sampel Rekam Medis Pasien Hasil Normalisasi Lampiran 4 Data Training 70%

Lampiran 5 Data Testing 30%

Lampiran 6 Hasil Prediksi

Lampiran 7 Kode Program Halaman Utama

Lampiran 8 Kode Program Halaman Bobot dan Bias Lampiran 9 Kode Program Halaman Prediksi

Lampiran 10 Surat Permohon Riset Mahasiswa Lampiran 11 Surat Izin Riset RSUD Kota Tangerang Lampiran 12 Surat Keterangan Selesai Penelitian Lampiran 13 Daftar Hadir Pengumpulan Data