DETEKSI KELAINAN JANTUNG DARI HASIL ELEKTROKARDIOGRAM (EKG) MENGGUNAKAN
FIREFLY ALGORITHM PADA PELATIHAN
JARINGAN SYARAF BACKPROPAGATION
SKRIPSI
ERIKA APRILIA
PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA SURABAYA
i
DETEKSI KELAINAN JANTUNG DARI HASIL ELEKTROKARDIOGRAM (EKG) MENGGUNAKAN
FIREFLY ALGORITHM PADA PELATIHAN
JARINGAN SYARAF BACKPROPAGATION
SKRIPSI
ERIKA APRILIA
PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA SURABAYA
2016
PEDOMAN PENGGUNAAN SKRIPSI
Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam lingkungan Universitas Airlangga. Diperkenankan untuk dipakai sebagai referensi kepustakaan, tetapi pengutipan seizin penulis dan harus menyebutkan sumbernya sesuai kebiasaan ilmiah. Dokumen skripsi ini merupakan hak milik Universitas Airlangga.
vi
KATA PENGANTAR
Puji syukur ke hadirat Allah SWT yang telah melimpahkan rahmat dan karunia-Nya sehingga peyusunan proposal skripsi ini dapat terselesaikan. Shalawat serta salam semoga senantiasa tercurahkan kepada Nabi Muhammad SAW, suri tauladan terbaik bagi kehidupan umat manusia. Pada akhirnya penulis dapat menyelesaikan proposal skripsi dengan judul “Deteksi Kelainan Jantung dari Hasil Elektrokardiogram (EKG) Menggunakan Firefly Algorithm Pada Pelatihan Jaringan Syaraf Backpropagation“.
Selama proses perkuliahan hingga disusunnya proposal skripsi ini, penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya kepada:
1. Universitas Airlangga, khususnya Departemen Matematika, yang telah memberikan kesempatan kepada penulis menuntut ilmu.
2. Pemerintah RI melalui DIKTI yang telah memberikan beasiswa BIDIK MISI kepada penulis. Semoga penulis bisa mengabdi untuk negeri.
3. Dr. Mohammad Imam Utoyo, M.Si, selaku Ketua Program Studi S-1 Matematika yang sangat menginspirasi.
4. Auli Damayanti, S.Si, M.Si, selaku dosen wali dan dosen pembimbing I, yang telah banyak membimbing penulis untuk mengambil langkah strategis selama perkuliahan.
5. Dr. Herry Suprajitno, S.Si, M.Si selaku pembimbing II, yang selalu sabar memberikan masukan dan bimbingan.
vii
6. Yang tercinta orang tua penulis, M. Rochmad dan Suparti, yang sangat luar biasa kasih sayangnya dan tidak pernah lupa menyebutkan nama penulis disetiap doa yang mereka panjatkan. Serta yang terkasih saudara penulis, Meilia, dan Ardiansyah, semoga ini bisa menjadi motivasi bersama untuk membanggakan orang-orang yang menyayangi kita.
7. Hamdan Ritonga, terimakasih atas ilmu, doa, dan supportnya.
8. Citra Delonix Regia, Nimas Mega, Virgianita, Nabilah, Adiesty, Eka Tukloy, Ilham Prakoso, Agustina, Firdha Octavia, Fatimah, Nur Mu’arifi, Inan Nati Ismah, Kiki Pradipta, Aulia Rizky, para penghibur dikala susah. 9. Teman-teman S-1 Matematika angkatan 2012, Kakak-kakak alumnus,
khususnya Mas Ali, Mbak Ayu Enesty, Mbak Zaim, dan Mbak Marcel, dan teman-teman KKN BBM 52 Desa SendangAgung-Bojonegoro, mari membanggakan almamater tercinta.
10. Tim Beauty Advisor Promotor Wardah x MakeOver, PT Paragon Technology and Innovation, dan Samudera Indonesia Group.
11. Serta semua pihak yang tidak dapat penulis sebutkan satu persatu.
Penulis berharap semoga proposal skripsi ini dapat bermanfaat sebagai bahan pustaka dan penambah informasi, khususnya bagi mahasiswa Universitas Airlangga.
Surabaya, April 2016
Erika Aprilia ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
viii
Erika Aprilia, 2016, Deteksi Kelainan Jantung Dari Hasil Elektrokardiogram
(EKG) Menggunakan Firefly Algorithm Pada Pelatihan Jaringan Syaraf
Backpropagation, Skripsi ini dibawah bimbingan Auli Damayanti, S.Si., M.Si., dan Dr. Herry Suprajitno M.Si., Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya.
ABSTRAK
Dewasa ini pola dan gaya hidup modern semakin menggejala pada masyarakat. Kebiasaan makan berlebihan, terlalu banyak aktivitas, banyak merokok dan kurang istirahat merupakan hal yang kerap dilakukan masyarakat modern. Kecenderungan gaya hidup yang tidak sehat ini dapat meningkatkan keterjangkitan penyakit seperti penyakit jantung dan pembuluh darah (cardiovascular). Pemantauan kondisi jantung selama ini salah satunya menggunakan alat Elektrokardiograf (ECG). Walaupun mengetahui cara kerja ECG relatif mudah, namun untuk mengetahui informasi yang terdapat pada data Elektrokardiogram (EKG) sangat sulit. Dalam skripsi ini sebuah metode yang digunakan untuk mendeteksi kelainan jantung dari hasil elektrokardiogram (EKG) adalah Firefly Algorithm Pada Pelatihan Jaringan Syaraf Backpropagation. Metode ini akan menentukan bobot dan bias yang optimal yang cocok dengan pola data. Data yang digunakan dalam pelatihan ini sebanyak 40 citra EKG dan dibagi menjadi menjadi dua bagian: 30 citra untuk pelatihan dan 10 citra untuk uji validasi. Sebelum dilatih, citra-citra tersebut akan diproses untuk diubah menjadi nilai numerik. Hasil dari proses tersebut akan digunakan sebagai input data pelatihan. Dari proses pelatihan ini didapatkan bobot dan bias yang optimal dengan MSE 0.0000995127100 dengan 142 iterasi. Prosentase keberhasilan tesing adalah 100% dan prosentase uji validasi adalah 100%.
ix
Erika Aprilia, 2016, Cardiac Abnormalities Recognition from The Result of
Electrocardiograph (ECG) by Using Firefly Algorithm on training of Backpropagation Neural Network, This undergraduate thesis is supervised by
Auli Damayanti, S.Si., M.Si., and Dr. Herry Suprajitno M.Si., Mathematics Departement, Faculty of Science and Technology, Airlangga University, Surabaya.
ABSTRACT
People’s modern lifestyle is recently increased in the community. The habit of over consuming, doing too much activity, smoking, and also lack of rest are the things of modern people regularly do. This tendency of an unhealthy lifestyle can increase much disease; heart disease and blood vessel (cardiovascular). One of methods to monitor the condition of heart disease is by using electrocardiograph (ECG). Even though, knowing how to use ECG is relatively easy, but to know the information on ECG's data is very difficult. In this paper, a method used to detect cardiac abnormalities from ECG's result is firefly algorithm on training of Backpropagation neural network. This method will determine the optimum weight and bias that is suited with the pattern of the data. The data that is used for this research is 40 EKG files and divided into two parts: 30 EKG files for training and testing and the rest 10 EKG files are used for validation test. Before trained, those images (EKG files), will be processed into numeric value. The result of those processes will be used as the input of training. The training process obtain optimum weight and bias for validation which MSE=0.0000995127100 in 142 iteration. The success percentage of testing is 100% and the success percentage of validation test is also 100%.
Keyword: EKG, firefly algorithm, Backpropagation Neural Network
x
DAFTAR ISI
Halaman
HALAMAN JUDUL ... i
LEMBAR PERNYATAAN ... ii
LEMBAR PENGESAHAN ... iii
PEDOMAN PENGGUNAAN SKRIPSI ... iv
SURAT PERNYATAAN TENTANG ORISINALITAS ... v
KATA PENGANTAR ... vi
ABSTRAK ... viii
ABSTRACT ... ix
DAFTAR ISI ... x
DAFTAR GAMBAR ... xiv
DAFTAR TABEL ... xvi
DAFTAR LAMPIRAN ... xviii
BAB I PENDAHULUAN ... 1 1.1. Latar Belakang ... 1 1.2. Rumusan Masalah ... 3 1.3. Tujuan ... 4 1.4. Manfaat ... 4 1.5. Batasan Masalah... 4
BAB II TINJAUAN PUSTAKA ... 6
2.1. Penyakit Jantung ... 6
xi
2.2.1. Gelombang EKG ... 7
2.2.2. Sadapan EKG ... 8
2.3. Penglahan Citra Digital ... 9
2.3.1. Greyscaling ... 9
2.3.2. Tresholding ... 10
2.3.3. Deteksi Tepi ... 10
2.3.4. Normalisasi ... 11
2.4. Firefly Algorithm ... 12
2.4.1. Intensitas Cahaya dan Keatraktifan Firefly ... 13
2.4.2. Jarak Antar Firefly ... 13
2.4.3. Pergerakan Firefly ... 14
2.5. Jaringan Syaraf Tiruan ... 15
2.5.1. Arsitektur Jaringan Syaraf Tiruan ... 15
2.5.2. Metode Pelatihan Jaringan Syaraf Tiruan ... 17
2.5.3. Fungsi Aktivasi ... 18
2.6. Jaringan Syaraf Backpropagation ... 19
2.6.1. Prosedur Pelatihan (Training) ... 20
2.6.2. Prosedur Testing Data Pelatihan ... 23
2.7. Penerapan Firefly Algorithm pada pelatihan Jaringan Syaraf Backpropagation... 24
2.8. Java ... 24
BAB III METODE PENELITIAN ... 25
BAB IV PEMBAHASAN ... 33 ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
xii
4.1. Proses Pengambilan Data ... 33
4.2. Pengolahan Citra EKG ... 33
4.2.1. Greyscaling ... 33
4.2.2. Tresholding ... 34
4.2.3. Deteksi Tepi ... 35
4.2.4. Normalisasi ... 36
4.3. Prosedur Firefly Algorithm pada Pelatihan Jaringan Syaraf Backpropagation... 37
4.3.1. Input Data Pelatihan ... 38
4.3.2. Inisialisasi Parameter ... 39
4.3.3. Generate Populasi Awal ... 39
4.3.4. Konversi Individu menjadi Bobot dan Bias ... 41
4.3.5. Proses Jaringan Syaraf Backpropagation ... 41
4.3.6. Konversi Bobot dan Bias Menjadi Individu ... 44
4.3.7. Menghitung Nilai Fitness Dan Intensitas Cahaya Firefly ... 45
4.3.8. Melakukan Update Pergerakan Firefly ... 45
4.4. Proses Jaringan Syaraf Backpropagation Pada Uji Validasi ... 46
4.5. Manual Firefly Algorithm pada Pelatihan Jaringan Syaraf Backpropagation... 48
4.5.1. Data Pelatihan ... 48
4.5.2. Inisialisasi Parameter ... 49
xiii
4.5.4. Konversi Individu Firefly menjadi Bobot dan Bias
dalam JSB ... 50
4.5.5. Menghitung MSE dengan Proses JSB ... 51
4.5.6. Proses FA pada Pelatihan JSB ... 57
4.6. Implementasi Program ... 64
4.6.1. Pengolahan Citra ... 65
4.6.2. Pelatihan FA-JSB ... 66
4.6.3. Testing FA-JSB ... 67
4.6.4. Uji Validasi ... 71
BAB V SIMPULAN DAN SARAN ... 73
4.6. Simpulan ... 73
4.6. Saran ... 74
DAFTAR PUSTAKA ... 75 ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
xiv
DAFTAR GAMBAR
Gambar Judul Halaman
2.1 Kertas Perekam EKG 7
2.2 Gelombang EKG 7
2.3 Sadapan Elektrokardiogram 9
2.4 Contoh Jaringan Syaraf dengan Single Layer 16
2.5 Contoh Jaringan Syaraf dengan Multi Layer 16
2.6 Fungsi Aktivasi Sigmoid Biner 19
3.1 Diagram Alir Pengolahan Citra 30
3.2 Diagram Alir FA pada pelatihan JSB (JSB-FA) 31
3.3 Diagram Alir Testing Data 32
3.4 Diagram Alir Uji Validasi 32
4.1 Prosedur Greyscaling 34
4.2 Prosedur Tresholding 35
4.3 Prosedur Deteksi Tepi 35
4.4 Prosedur Normalisasi 36
4.5 Prosedur Pelatihan FA-JSB 37
4.6 Prosedur Input Data Pelatihan 38
4.7 Prosedur Inisialisasi Parameter 39
4.8 Arsitektur Jaringan Syaraf Backpropagation pada Pola EKG 40
4.9 Prosedur Generate Populasi Awal 40
4.10 Prosedur Konversi Individu menjadi Bobot dan Bias 41
xv
Gambar Judul Halaman
4.12 Prosedur Bobot dan Bias Menjadi Individu Firefly 44 4.13 Prosedur Menghitung Nilai Fitness Dan Intensitas Cahaya 45
Firefly
4.14 Prosedur Update Pergerakan Firefly 46
4.15 Prosedur Proses Jaringan Syaraf Backpropagation Pada 47 Uji Validasi
4.16 Prosedur Konversi Output Menjadi Biner 47
4.17 Arsitektur Jaringan Syaraf Backpropagation 50
4.18 Proses Pengolahan Citra 65
xvi
DAFTAR TABEL
Tabel Judul Halaman
4.1 Data Pelatihan Jaringan Syaraf Backpropagation 48
4.2 Generate Populasi Awal 50
4.3 Proses Konversi Individu FA Menjadi Bobot dan Bias 51 dalam JSB
4.4 Hasil Perhitungan Manual Proses JSB Firefly 1 55
4.5 Nilai MSE masing-masing Firefly 56
4.6 Individu Firefly Ter-Update dari Proses JSB 57
4.7 Nilai Intensitas Cahaya 58
4.8 Nilai Terbaru dari Firefly 1 59
4.9 Proses Pergerakan Firefly 60
4.10 Pergerakan Firefly Terbaik 62
4.11 Populasi Firefly Setelah Update Pergerakan Firefly 62
4.12 Nilai MSE terbaru 63
4.13 Populasi Firefly Terbaru 63
4.14 Bobot Optimal 64
4.15 Hasil Training dan Testing dengan Popsize 10 dan Variasi 68 Nilai Parameter Koefisien Udara, Koefisien Random,
Keatraktifan Awal, Dan Learningrate
4.16 Hasil Training dan Testing dengan Popsize 30 dan Variasi 69 Nilai Parameter Koefisien Udara, Koefisien Random,
xvii
4.17 Hasil Training dan Testing dengan Popsize 50 dan Variasi 70 Nilai Parameter Koefisien Udara, Koefisien Random,
Keatraktifan Awal, Dan Learningrate
4.18 Hasil Training Dan Testing Terbaik 71
4.19 Hasil Uji Validasi pada Data Citra EKG Uji Validasi 72 ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
xviii
DAFTAR LAMPIRAN
Lampiran Judul
1 Tampilan Program Deteksi Kelainan Jantung dari Hasil
Elektrokardiogram (EKG) menggunakan Firefly Algorithm pada Pelatihan Jaringan Syaraf Backpropagation
2 Source Code Program
3 Data Input Training, Testing, dan Uji Validasi
4 Matriks Hasil Normalisasi Data Training, Testing dan Uji Validasi 5 Bobot dan Bias Terbaik