UNIVERSITAS BINA NUSANTARA
_________________________________________________________________________ Program Studi Ganda
Teknik Informatika - Matematika Skripsi Sarjana Program Studi Ganda
Semester Ganjil 2005/2006
Novan Parningotan S NIM: 0400532004
Abstrak
Pada saat ini, penyakit demam berdarah dengue makin banyak menjangkit penduduk di Indonesia dan tingkat kematian yang disebabkannyapun semakin meningkat setiap tahun. Pada dasarnya hingga saat ini virus demam berdarah dengue belum ada obatnya. Hal yang paling mempengaruhi kesembuhan seorang pasien demam berdarah di rumah sakit adalah pada penanganannya. Kadang ada pasien yang datang ke rumah sakit dengan keadaannya yang terlihat cukup baik sehingga penanganan pada pasien tersebut kurang serius, namun pada kenyataannya pasien tersebut keluar dari rumah sakit dalam keadaan meninggal. Oleh sebab itu penulis mencoba melakukan pendekatan pemeriksaan pasien demam berdarah dengue dengan aplikasi komputer karena biasanya di rumah sakit hanya melakukan pemeriksaan-pemeriksaan rutin dengan prosedur standard yang biasa diterapkan juga pada pasien penyakit lain. Sekalipun begitu peran dokter juga masih sangat vital dalam menentukan kesembuhan seorang pasien demam berdarah dengue.
Adapun metode yang digunakan sebagai bahan pertimbangan untuk meramalkan tingkat kesembuhan pasien adalah metode neural network dengan algoritma backpropagation sebagai algoritma.
Sistem ini diterapkan hanya pada saat pasien pertama kali datang ke rumah sakit tanpa melibatkan bagaimana kondisi pasien setelah dirawat di rumah sakit. Data pasien yang digunakan adalah data pasien pada tahun 2003 dan 2004. Untuk mengevaluasi ketepatan algoritma ini, digunakan data pasien baru mulai tahun 2005 yang sudah diketahui keadaannya setelah meninggalkan rumah sakit. Jumlah data training yang dipakai adalah 145. Sedangkan jumlah data testing yang dipakai adalah 15. Hasil evaluasi menunjukkan 14 dari 15 record benar diprediksi. Ini berarti tingkat ketelitian yang dihasilkan adalah 93.33%. Nilai ini sudah cukup untuk membantu dokter atau staf rumah sakit untuk mengambil keputusan selanjutnya.
PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa atas berkat dan bimbingan-Nya sehingga penulis dapat menyusun dan menyelesaikan skripsi yang berjudul “Analisa dasn Perancangan Aplikasi Peramalan Kesembuhan Pasien Demam Berdarah Dengan Algoritma Backpropagation”. Skripsi ini disusun sebagai salah satu syarat dalam menyelesaikan program studi ganda Strata 1 di Universitas Bina Nusantara, Jakarta..
Dalam penyususnan skripsi ini penulis banyak mendapatkan bantuan serta dukungan moral dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin menyampaikan terima kasih kepada :
1. Alm. Ibu Dr. Ir. Theresia Widia Soerjaningsih, MM., selaku pendiri Universitas Bina Nusantara yang telah memberikan kesempatan bagi penulis dalam menimba ilmu di Universitas Bina Nusantara.
2. Bapak Prof. Dr. Gerardus Polla, M. App. Sc. selaku Rektor Universitas Bina Nusantara, yang telah memberikan kesempatan, kepercayaan dan semangat serta dukungan bagi penulis dalam penyusunan skripsi ini.
3. Bapak Wikaria Gazali, S.Si, M.T., selaku Dekan Fakultas MIPA yang telah banyak memberikan kesempatan, kepercayaan dan semangat serta dukungan bagi penulis dalam penyusunan skripsi ini.
4. Bapak Ngarap Imanuel Manik, Drs., M.Kom., selaku Kepala Jurusan Teknik Informatika Matematika yang telah menyediakan waktu, memberikan
sumbangan pikiran, dan membimbing penulis dalam menyelesaikan masalah-masalah yang ditemui selama penulis menyusun skripsi ini.
5. Bapak Rojali, selaku Sekretaris Jurusan Teknik Informatikan dan Matematika yang telah menyediakan waktu, memberikan sumbangan pikiran, dan
membimbing penulis dalam menyelesaikan masalah-masalah yang ditemui selama penulis menyusun skripsi ini.
6. Bapak Alan R. Tumbelaka, selaku Kepala Divisi Infeksi dan Pediatri Tropis Departemen I. Kesehatan Anak, FKUI - RSCM
7. Bapak Dr.Ir.Haryono Soeparno, M.Sc, selaku dosen pembimbing yang telah menyediakan waktu, memberikan sumbangan pikiran, dan membimbing penulis dalam menyelesaikan masalah-masalah yang ditemui selama penulis menyusun skripsi ini.
8. Bapak Makzen Djali, S.Kom., S.Si., M.Kom, selaku dosen pembimbing yang telah menyediakan waktu, memberikan bimbingan dan pengarahan dalam menyelesaikan masalah-masalah yang ditemui selama penulis menyusun skripsi ini.
9. Orang tua dan saudara-saudara penulis yang telah memberikan dukungan, baik dalam bentuk moral maupun material untuk menyelesaikan skripsi ini.
10. Dermawatty Sihombing, kekasih saya yang telah memberikan dukungan, baik dalam bentuk moral maupun material untuk menyelesaikan skripsi ini. 11. Teman-teman yang telah membantu penulis dalam memberikan usul dan
saran dalam menyelesaikan program dalam skripsi ini.
Penulis menyadari bahwa skripsi ini masih belum sempurna, oleh karena itu dengan segala kerendahan hati, penulis mengharapkan kritik dan saran yang membangun dari semua pihak.
Akhir kata, penulis berharap agar skripsi ini dapat memberikan manfaat bagi semua pembaca dan semua pihak yang berkepentingan. Terima kasih.
Jakarta, Januari 2006 Penulis
DAFTAR ISI
Halaman
Halaman Judul Luar I
Halaman Judul Dalam II
Halaman Persetujuan III
Abstrak IV
Pengantar V
Daftar Tabel X
Daftar Gambar Xi
Daftar Lampiran XIi
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang Masalah 1
1.2 Ruang Lingkup 2
1.3 Tujuan dan Manfaat 2
1.4 Pembatasan Masalah 3
1.5 Metodologi Penelitian 3
1.6 Sistematika Penulisan 5
BAB 2 LANDASAN TEORI 6
2.1 Demam Berdarah Dengue 2.1.1 Latar Belakang
2.1.2Sejarah DBD di Indonesia
6 7 7 2.2 Sistem Syaraf Manusia VS Sistem Syaraf Buatan 7 2.3 Sistem Syaraf Buatan
2.3.1 Pengertian Sistem Syaraf Buatan 2.3.2 Fungsi Aktivasi dan Signal-signal 2.3.3 Klasifikasi Jaringan Syaraf Tiruan
9 9 11 14 2.4 Jaringan Backpropagation
2.4.1 Sejarah Perkembangan Backbpopagation 2.4.2 ArsitekturJaringan Backpropagation 2.4.3 Algoritma Backpropagation 18 18 20 22
2.5 2.1Classic Life Cycle Problem 25
BAB 3 PERANCANGAN PROGRAM 28
3.1 Model Aplikasi
3.1.1 Model Neural dengan 2 node hidden layer 3.1.2 Model Neural dengan 3 node hidden layer 3.1.3 Model Neural dengan 4 node hidden layer 3.1.4 Model Neural dengan 5 node hidden layer
28 29 32 33 34
3.1.5 Model Neural dengan 6 node hidden layer 3.1.6 Model Neural dengan 7 node hidden layer
35 36
3.2 Perancangan Database 37
3.3 Pemrosesan Data 37
3.4 Perancangan Program Aplikasi 3.1.7 Penerapan Neural Network 3.1.8 State Trantition Diagram 3.1.9 Perancangan Layar 38 38 40 41 3.5 Spesifikasi Modul 3.1.10 Modul FormCreate 3.1.11 Modul Execute 3.1.12 Modul FeedForward 3.1.13 Modul Back_Prop 3.1.14 Modul Inisialisasi_Weight 3.1.15 Modul Update_Weight 3.1.16 Modul Create 3.1.17 Modul Cetak 3.1.18 Modul ThreadDone 3.1.19 Modul AddTPClick 3.1.20 Modul TrainingClick 3.1.21 Modul LearningClick 3.1.22 Modul New1Click 3.1.23 Modul Exit1Click 42 42 43 44 45 46 46 47 48 48 49 50 50 51 52 BAB 4 Implementasi dan Evaluasi Neural Network Pada Data Pasien
Demam Berdarah 53 4.1 Struktur Data 53 4.2 4.3 4.4
Prosedur Analisis Data 4.1.1 Hasil analisis data Implementasi
4.3.1 Implementasi Perangkat Keras 4.3.2 Implementasi Perangkat Lunak 4.3.3 Implementasi Program Aplikasi Evaluasi 4.3.4 Waktu Training 4.3.5 Hasil Learning 58 59 60 60 61 61 67 67 70
5.2 Saran 71
DAFTAR PUSTAKA 73
RIWAYAT HIDUP 74
LAMPIRAN L1 FOTOKOPI SURAT SURVEI
DAFTAR TABEL
Halaman
Tabel 4.1 Tabel 4.2
Tabel hasil Crosstabs Tabel hasil Training
59 68
DAFTAR GAMBAR
Halaman
Gambar 2.1 Sistem syaraf buatan 10
Gambar 2.2 Fungsi Sigmoid Logistic 12
Gambar 2.3 Fungsi Tangen Hiperbolik 12
Gambar 2.4 Fungsi Step 13
Gambar 2.5 Fungsi Ramp 13
Gambar 2.6 Jaringan Perceptron 16
Gambar 2.7 Local Minima (A), Global Minima (B) 20 Gambar 2.8 Jaringan Backpropagation sederhana 21 Gambar 3.1 Model Neural dengan 2 node hidden layer 29 Gambar 3.2 Model Neural dengan 3 node hidden layer 32 Gambar 3.3 Model Neural dengan 4 node hidden layer 33 Gambar 3.4 Model Neural dengan 5 node hidden layer 34 Gambar 3.5 Model Neural dengan 6 node hidden layer 35 Gambar 3.6 Model Neural dengan 7 node hidden layer 36 Gambar 3.7 STD Aplikasi Peramalan Kesembuhan Pasien Demam
Berdarah dengan Algoritma Backpropagation
40
Gambar 3.8 Layar Utama 41
Gambar 4.1 Tampilan awal program 61
Gambar 4.2 Load From File 62
Gambar 4.3 Setelah load data from file 63
Gambar 4.4 Pilihan jumlah node hidden layer 64
Gambar 4.5 New 65
Gambar 4.6 Setelah melakukan training 66
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Listing Program L.1
