Memprediksi Kejiwaan Manusia dengan JST Menggunakan Metode
Penelitian ini dilakukan untuk membangun aplikasi jaringan saraf tiruan memprediksi kejiwaan manusia menggunakan metode propagasi balik. Data penilaian kejiwaan mengacu pada keadaan jiwa seseorang. Perancangan jaringan saraf tiruan dilakukan dengan menentukan jumlah unit untuk setiap lapisan. Setelah jaringan terbentuk maka dilakukan pelatihan dari data yang telah dipolakan. Pengujian dilakukan menggunakan perangkat lunak Matlab dengan beberapa bentuk arsitektur jaringan. Arsitektur dengan konfigurasi terbaik yang terdiri dari 23 lapisan masukan, 10 lapisan tersembunyi dan 8 lapisan keluaran. Hasil yang diperoleh dari pengujian tersebut adalah prediksi kejiwaan manusia yang terdiri dari Sehat, Stress, Fobia, Obsesif Kompulsif, Panik, Schizophrenia, Neurasthenia, Depresi dengan ketepatan pengujian mencapai 100%.
Kata Kunci: Jaringan Saraf Tiruan, Propagasi Balik, Prediksi Kejiwaan manusia.
1. Pendahuluan
Salah satu problema besar yang dihadapi manusia modern sekarang ini adalah penyakit mental. Keadaan jaman modern yang individualistis dan penuh tekanan ini mengakibatkan banyak manusia menjadi stress dan tertekan, baik kalangan anak-anak, remaja, dewasa dan orang tua, sehingga menyebabkan penyakit mental yang dialami manusia juga semakin banyak. Padahal hubungan kesehatan mental dengan lapangan hidup lain juga semakin kompleks. Sehingga beberapa tahun belakangan ini hampir disemua bidang pekerjaan ataupun profesi dalam menerima pegawai/karyawan baru memerlukan beberapa test yang meliputi test kejiwaan.
Hasil penilain test kejiwaan ini oleh para pihak penilai/konsultan psikologi akan lebih objektif bila dilakukan dengan aplikasi komputer. Keberadaan komputer saat ini sudah mulai dioprasikan untuk mengganti sebagian besar pekerjaan manusia yang tidak memerlukan pemikiran dan bersifat rutin. Dalam perkembangan
selanjutnya para ahli mencoba untuk menggantikan sistem otak manusia kedalam sistem komputer. Cara ini diharapkan mampu untuk memperoleh sistem/aplikasi komputer yang dapat menimbang dan mengambil keputusan sendiri sebagaimana layaknya manusia (Arief Hermawan, 2006).
Sebuah sistem yang mampu melakukan pekerjaan-pekerjaan yang sebelumnya dilakukan oleh manusia dapat dikategorikan sebagaiArtificial Intelegence (AI). Artificial Inteligence merupakan kecerdasan buatan yang sengaja diciptakan untuk membantu dalam mempermudah pekerjaan-perkejaan manusia. Salah satu cabang dariArtificial Intelligence adalah apa yang dikenal dengan Jaringan Saraf Tiruan(Artificial Neural Network).
Jaringan Syaraf Tiruan(Artificial Neural Network) adalah paradigma pemrosesan suatu
informasi yang terinspirasi oleh sistem sel syaraf biologi, yang berupa susunan sel-sel saraf tiruan (neuron) yang dibangun berdasarkan prinsip-prinsip organisasi otak manusia. Jaringan saraf tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. Jaringan saraf tiruan mampu melakukan pengenalan kegiatan berbasis data masa lalu. Data masa lalu akan dipelajari oleh jaringan saraf tiruan sehingga mempunyai kemampuan untuk memberikan keputusan terhadap data yang belum pernah dipelajari. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran (Eliyani, 2005).
2. Tujuan
3. Analisa dan Perancangan Sistem 3.1. Analisa Sistem
Gejala gangguan mental manusia dipengaruhi oleh beberapa kriteria penilaian. Kriteria tersebut terdiri atas keadaan emosi, mental, fisik, lingkungan dan sosial. Penilaian mental manusia dilakukan oleh dokter penasehat kesehatan mental, Psikiater dan Psikolog. Output dari penilaian kejiwaan manusia yang dilakukan adalah menentukan apakah kejiwaan seseorang itu sehat atau terganggu.
Prediksi kejiwaan manusia
diimplementasikan menjadi sebuah aplikasi yang membantu pengguna untuk memprediksi kejiwaan manusia pada tempat psikiater atau rumah sakit jiwa. Sistem prediksi kejiwaan manusia ini dibangun menggunakan jaringan saraf tiruan metode propagasi balik. Pengguna sistem ini adalah user yang membantu para psikiater, psikolog atau dokter penasehat kesehatan mental dalam melakukan penilaian kejiwaan manusia.
Output yang diharapkan dari sistem prediksi kejiwaan manusia ini terdiri dari 8 simpul yaitu Sehat, Stress, Fobia, Obsesif Kompulsif, Panik, Schizophrenia, Neurasthenia, Depresi. kejiwaan manusia yang ditentukan dari parameter penilaian yang sudah dimasukkan kedalam jaringan. Parameter penilaian dari beberapa sampel dimasukkan ke dalam jaringan untuk pelatihan jaringan saraf tiruan. Kemudian akan diperoleh hasil pelatihan yang konvergensi dengan jumlah epoch terkecil. Langkah selanjutnya adalah menguji jaringan saraf dengan sampel data pengujian yang telah dipersiapkan. Jika data yang diuji sesuai dengan data yang pernah dipelajari oleh sistem pada tahap pelatihan maka sistem akan menampilkan hasil pengujian jaringan saraf pada antarmuka yang akan dirancang.
3.1.1. Inisialisasi Data Input
Pada tahap ini dilakukan proses inisialisasi data input yang diperoleh dari faktor-faktor/kriteria penilaian yang telah disepakati oleh para psikiater, psikolog atau dokter penasehat kesehatan mental dari rumah sakit jiwa untuk menentukan hasil penilaian kejiwaan manusia. Kriteria-kriteria penilaian kejiwaan manusia secara umum mencakup keadaan emosi, mental, fisik, lingkungan dan sosial yang diuraikan secara lebih rinci agar dapat dinilai sesuai dengan kenyataan sebenarnya. Tabel berikut menunjukkan kriteria penilaian dan bobot nilai dari penilaian tersebut.
Tabel 1 Kriteria dan Bobot Penilaian Kejiwaan Manusia
Kriteria penilaian kejiwaan manusia secara umum dibagi menjadi 4 bagian yaitu keadaan emosi, keadaan mental, keadaan fisik, keadaan lingkungan dan sosial. Kemudian pada masing-masing bagian umum tersebut dibagi lagi menjadi beberapa bagian dengan pilihan penilaian. Pilihan penilaian dibagi menjadi 2 bagian yaitu:
Y : Jika poin nilai >= 50% T : Jika poin nilai < 50% 3.1.2. Penetapan Input
Penetapan input diformulasikan agar kriteria pada penilaian kejiwaan manusia pada tabel 4.1. di atas dapat dibaca oleh jaringan saraf tiruan. Data harus diubah ke dalam bentuk numerik, baik variabel maupun isinya yang teridiri atas 23 input dengan ketentuan sebagai berikut:
a. Sering merasa sedih, diletakkan pada variabel X1.
- Diberi nilai 0 jika tidak - Diberi nilai 1 jika ya
b. Selalu merasa tidak berguna, diletakkan pada variabel X2.
- Diberi nilai 0 jika tidak
-
Diberi nilai 1 jika yac. Dan seterusnya sampai variabel X23.
3.1.3. Penetapan Output
Hasil yang diinginkan pada tahap ini adalah terdeteksinya susatu nilai untuk memprediksi kejiwaan manusia. Adapun hasil yang dimaksud adalah sebagai berikut:
b. Untuk prediksi kejiwaan dengan criteria Stress , jika output bernilai 00000010
c. Untuk prediksi kejiwaan dengan criteria Fobia , jika output bernilai 00000100
d. Untuk prediksi kejiwaan dengan criteria Obsesif-Kompulsif , jika output bernilai 00001000
e. Untuk prediksi kejiwaan dengan criteria Panik , jika output bernilai 00010000
f. Untuk prediksi kejiwaan dengan criteria Schizophrenia , jika output bernilai 00100000 g. Untuk prediksi kejiwaan dengan criteria
Neurasthenia , jika output bernilai 01000000 h. Untuk prediksi kejiwaan dengan kriteria
Depresi , jika output bernilai 10000000
i. Jika pola nilai output tidak sesuai dengan ketiga pola di atas maka program akan menampilkan output pada kotak prediksi dengan tulisan Tidak dikenal yang artinya pola output tidak dikenal. 3.2. Data Penelitian
Data penelitian dibagi menjadi dua bagian yaitu data pelatihan dan data pengujian. Data pelatihan diperoleh dari 80 data sampel kejiwaan manusia yang penilaiannya telah dilakukan oleh para psikiater, psikolog atau dokter penasehat kesehatan mental. Data pelatihan ini berguna untuk proses pembelajaran pada jaringan saraf tiruan metode propagasi balik. Tabel 2 menunjukkan data pelatihan yang akan dilatihkan ke dalam jaringan saraf tiruan yang akan dirancang.
Tabel 2 Data pelatihan untuk prediksi kejiwaan manusia
Data pengujian didapatkan dari hasil penilaian yang telah dilakukan oleh para psikiater, psikolog atau dokter penasehat kesehatan mental.sebanyak 30 data sampel kejiwaan manusia. Data untuk pengujian ini dikonversi ke bentuk numerik 1 dan 0. Selanjutnya data yang telah
dikonversi ini dipakai untuk pengujian yang berguna untuk melihat apakah jaringan dapat memprediksi dengan benar berdasarkan pelatihan yang telah diberikan pada jaringan saraf sebelumnya.
Tabel 3 Data pengujian untuk prediksi kejiwaan
3.3. Arsitektur dan AlgoritmaBackpropagation Arsitektur sebuah jaringan akan menentukan keberhasilan target yang akan dicapai karena tidak semua permasalahan dapat diselesaikan dengan arsitektur yang sama. Arsitektur jaringan yang akan digunakan untuk memprediksi kejiwaan manusia menggunakan banyak lapisan (multilayer net). Model ini merupakan jaringan dengan banyak lapisan yang memiliki satu atau lebih lapisan yang terletak di antara lapisan input dan lapisan output.
Lapisan input terdiri dari 23 simpul yang disimpan dalam variabel X1 sampai dengan X23.
Lapisan tersembunyi ditentukan sendiri oleh pengguna sistem melalui cara melakukan percobaan konvergensi terbaik (trial and error) sampai diperoleh hasil konvergensi pelatihan yang paling baik (jumlah epoch yang terkecil). Sedangkan lapisan output terdiri dari 8 simpul yaitu Sehat, Stress, Fobia, Obsesif Kompulsif, Panik, Schizophrenia, Neurasthenia, Depresi.
Arsitektur jaringan saraf tiruan metode propagasi balik untuk mempredikasi kejiwaan manusia dapat dilihat pada gambar dibawah ini:
4. Implementasi Sistem 4.1. Antarmuka Sistem
Antarmuka sistem prediksi kejiwaan manusia dibuat menggunakanToolboxpada Matlab seperti tampilan pada gambar berikut ini:
Gambar 2 Tampilan Desain Antarmuka Sistem
4.2. Pengujian Sistem
Pengujian sistem jaringan saraf tiruan metode propagasi balik untuk prediksi kejiwaan manusia dilakukan untuk melihat apakah sistem jaringan saraf ini sudah sesuai dengan kondisi sebenarnya atau tidak. Pengujian sistem jaringan saraf ini dibagi menjadi beberapa tahap yaitu:
4.2.1. Tahap Inisialisasi
Pada tahap ini sistem jaringan saraf diberikan masukan berupa nilai parameter inisialisasi yang terdiri dari :
1. Jumlah sel lapisan masukan tediri dari 23 simpul input.
2. Jumlah sel lapisan tersembunyi dicari berdasarkan percobaan (trial and error) dengan cara mengubah konstanta belajar dan lapisan tersembunyi secara terus menerus sampai diperoleh konfigurasi terbaik yaitu jumlah epoch yang terkecil. Pada sistem prediksi kejiwaan manusia ini diperoleh kofigurasi lapisan tersebunyi terbaik adalah 10 simpul.
3. Jumlah sel lapisan keluaran terdiri dari 8 simpul yaitu Sehat, Stress, Fobia, Obsesif Kompulsif, Panik, Schizophrenia, Neurasthenia, Depresi. 4. Galat yang diizinkan = 0,1
5. Konstanta belajar = 0,01
6. Kenaikan konstanta belajar = 1,05 7. Penurunan konstanta belajar = 0,7 8. Momentum = 0,9
9. Rasio kesalahan = 1,04 10.Fungsi aktivasi = logsig.
Seluruh data inisialisasi parameter pelatihan di atas dapat dimasukkan dengan mudah menggunakan tampilan input seperti yang ditunjukkan pada gambar 2 berikut ini:
Gambar 3 Tampilan Input Variabel Pelatihan Klik tombol Reset Data, jika Pengguna ingin mengubah nilai-nilai parameter tersebut jika diperlukan.
4.2.2. Tahap Pelatihan
Pada tahap ini sistem jaringan saraf diberikan 80 data sampel penilaian kejiwaan manusia untuk dilatihkan sebagai proses pembelajaran yang dapat dilakukan dengan memanggil file data pelatihan yang telah dibuat sebelumnya menggunakan aplikasi ms.excel.
Untuk memulai pelatihan silahkan klik tombol Pelatihan, selanjutnya pelatihan jaringan akan menampilkan grafik hasil pelatihan sebagai berikut:
Gambar 4 Tampilan Grafik Hasil Pelatihan
Dari gambar 4 dapat dilihat bahwa konfigurasi jaringan saraf perambatan galat mundur terbaik diperoleh dengan 144 iterasi. Sedangkan nilai bobot dan bias sebelum dan sesudah pelatihan dapat dilihat pada tampilan gambar berikut:
Gambar 5 Tampilan Nilai Bobot dan Bias
4.2.3. Tahap Pengujian
Pada tahap ini pengguna sistem harus mengisi data reprsentasi masukkan dengan angka 1 jika jawabannya Ya atau angka 0 jika jawabannya Tidak . Selain pengisian manual dari keyboard, pengguna juga bisa mengisi data representasi masukan melalui file Microsoft Excel yang telah dibuat sebelumnya.
Selanjutnya pengguna dapat memilih record data dengan cara mengklik tombol pilih data, maka data yang dipilih akan ditampilkan satu-persatu pada kotak input representasi masukan. Untuk membersihkan kotak input representasi masukan pengguna dapat mengklik tombol Bersih. Silahkan mulai memprediksi kejiwaan manusia dengan mengklik tombol Prediksi seperti pada gambar 5 berikut ini:
Gambar 6 Tampilan Input Data Pengujian
Pada jendela command window akan tertera laporan berikut ini:
Output yang diperoleh ditampilkan dengan matirks 1 x 8. Jika nilai matriks >= 0,5 maka nilainya dibulatkan menjadi 1. Selain itu jika nilai matriks < 0,5 maka nilainya dibulatkan menjadi 0. 4.3. Analisis Hasil
Analisis hasil bertujuan untuk mengukur kinerja dari sistem yang telah diimplementasikan. Dari 80 sampel data pelatihan yang sudah dilatihkan pada jaringan saraf tiruan, dan 30 sampel data baru untuk diujikan. Untuk memperoleh konfigurasi terbaik maka dilakukan beberapa pengujian dengan berbagai arsitektur.
Dari beberapa bentuk arsitektur yang diujikan dapat dilihat bahwa pengujian dengan arisitektur 23-10-8 menggunakan fungsi aktivasi logsig dengan learning rate 0,01 merupakan bentuk arsitektur jaringan saraf tiruan yang paling baik pada sistem prediksi kejiwaan manusia, yang selengkapnya dapat dilihat pada tabel berikut ini:
Tabel 4 Hasil Pelatihan Jaringan Saraf
Keterangan:
LT = Lapisan Tersembunyi, KB = Konstanta Belajar, TK = Tidak Konvergen.
5. Kesimpulan
Dari hasil penelitian diatas, didapatkan beberapa kesimpulan, antara lain:
1. Aplikasi jaringan saraf tiruan yang telah dibuat 2. dapat digunakan untuk meyelesaikan masalah
prediksi kejiwaan manusia menggunakan metode propagasi balik dengan delapan pola tampilan output yang teridiri dari Sehat, Stress, Fobia, Obsesif Kompulsif, Panik, Schizophrenia, Neurasthenia, Depresi.
3. Pelatihan terhadap jaringan saraf dengan 23 sel lapisan masukan dilakukan pada 80 data sampel kejiwaan manusia yang terdiri dari 10 data dengan pola keluaran sehat, 10 data dengan pola keluaran stress, dan 10 data dengan pola keluaran fobia, 10 data dengan pola keluaran obsesif kompulsif, 10 data dengan pola keluaran panik, 10 data dengan pola keluaran schizophrenia, 10 data dengan pola keluaran Neurasthenia, 10 data dengan pola keluaran Depresi.
4. Pengujian jaringan saraf dilakukan dengan memasukkan data baru sebanyak 30 data dan diperoleh hasil pengujian antara 80% sampai dengan 100% sesuai dengan target yang diinginkan.
Daftar Pustaka
[1] Desiani, Anita dan Arhami, Muhammad (2006),
Konsep Kecerdasan Buatan , Yogyakarta : Andi Offset.
[3] Fausset, Laurence (1994), Fundamental of Neural Networks : Architecture Algorithm, and Application, New Jersey : Prentice-Hall.
[4] Jong jek Siang, Drs, MSc. (2005), Jaringan Saraf Tiruan & Pemrogrammannya Menggunakan Matlab , Yogyakarta : Andi Offset.
[5] Kusumadewi, Sri, S.Si., MT (2002), Pengantar Jaringan Saraf Tiruan, Yogyakarta : Teknik Informatika FTI UII.
[6] Paulus, Erick dan Nataliani, Yessica (2007), Cepat Mahir GUI Matlab, Yogyakarta : Andi Offset. [7] Puspitaningrum, Diyah (2006), Pengantar
Jaringan Saraf Tiruan, Yogyakarta: Andi Offset. [8] Sugiharto, Aris (2007), Pemrograman GUI
Dengan MATLAB , Yogyakarta: Andi Offset. [9] Away, Gunaidi Abdia (2006), The Shortcut of
MATLAB Programming , Bandung: Informatika. [10] Astuti, Erna Dwi (2009), Pengantar Jaringan
Saraf Tiruan Teori dan Aplikasi , Wonosobo : Star Publishing.
[11] Siswanto, S.Psi., M.Si. (2007), Kesehatan Mental Konsep, Cakupan dan Perkembangannya , Yogyakarta : Andi Offset.
