IDENTIFIKASI PENYAKIT LEUKEMIA
SKRIPSI
AULIA FIZHTA
091401014
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
LEUKEMIA
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer
AULIA FIZHTA 091401014
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERBANDINGAN KECEPATAN DAN KETEPATAN ANTARA LEARNING VECTOR QUANTIZATION DAN KOHONEN PADA IDENTIFIKASI PENYAKIT LEUKEMIA
Kategori : SKRIPSI
Nama : AULIA FIZHTA
Nomor Induk Mahasiswa : 091401014
Program Studi : S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan,
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Amer Sharif, S.Si,M.Kom Dr. Poltak Sihombing, M.Kom NIP. - NIP. 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
PERBANDINGAN KECEPATAN DAN KETEPATAN ANTARA LEARNING VECTOR QUANTIZATION DAN KOHONEN PADA IDENTIFIKASI
PENYAKIT LEUKEMIA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 10 September 2015
PENGHARGAAN
Alhamdulillah. Puji dan syukur kehadirat Allah SWT, yang dengan rahmat dan karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebaga isyarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pada pengerjaan skripsi dengan judul Perbandingan Kecepatan dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit Leukemia ini, penulis menyadari bahwa banyak pihak yang turut membantu dan memotivasi dalam pengerjaannya. Dalam kesempatan ini, penulis mengucapkan terima kasih kepada:
1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, Msc(CTM), Sp.A(K) selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Dosen Pembimbing I dan Ketua Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
4. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan arahan dan motivasi kepada penulis dalam pengerjaan skripsi ini.
5. Ibu Dr. Erna Budhiarti Nababan, M.IT selaku Dosen Penguji I yang telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.
6. Bapak Ade Candra, St, M.Kom selaku Dosen Penguji II yang telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.
7. Orang tua penulis Yafizham dan Rimta, serta saudara penulis Sofiya Nazara, Audita Mutia dan Alfi Abdillah yang selalu memberikan kasih sayang yang tulus,dukungan serta pengorbanan yang tak ternilai harganya kepada penulis.
9. Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat penulis ucapkan satu demi satu yang telah membantu penyelesaian laporan ini.
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena tu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan,
Penulis,
Perbandingan Kecepatan Dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit Leukemia
ABSTRAK
Identifikasi penyakit dengan pemanfaatan jaringan syaraf tiruan memungkinkan memberikan hasil yang lebih cepat dan tepat. Identifikasi penyakit leukemia ini akan menggunakan dan membandingkan kecepatan dan ketepatan identifikasi metode LVQ dan Kohonen. Pada metode LVQ pelatihan dilakukan pada setiap pola masukan. Hasil pelatihannya akan dibandingkan dengan target. LVQ merupakan jaringan syaraf tiruan dengan dua jenis lapisan, yaitu lapisan kompetitif dan lapisan linier. Sedangkan metode kohonen, pelatihan dilakukan dengan cara mengelompokkan inputan sehingga hasil yang diperoleh merupakan kelas atau cluster. Objek yang diidentifiksi adalah penyakit leukemia dengan empat pembagian jenis umumnya yaitu Leukemia Limfosit Akut, Leukemia Mieloid Akut, Leukemia Limfosit Kronis dan Leukemia Mieloid Kronis.Sistem identifikasi ini dilatih dengan diberi 20 sampel jenis penyakit dengan masing-masing memiliki 20 gejala. Dengan parameter epochs maksimal 1000, dan goal performance 0,0001. Setelah dilatih sistem diberikan pengujian dengan memasukkan gejala sesuai dengan sampel. Berdasarkan hasil uji identifikasi yang dilakukan, diketahui bahwa metode Kohonen dapat mengenali pola lebih cepat daripada metode LVQ dimana rata-rata waktu yang dibutuhkan metode Kohonen adalah 4.20 detik sedangkan metode LVQ 5.80. Dan persentase ketepatan LVQ lebih tinggi dengan 100% sedangkan Kohonen persentase ketepatannya 50%.
Katakunci: Jaringan Syaraf Tiruan, Identifikasi Penyakit, Penyakit Leukemia
Speed and Accuracy Comparison Between Learning Vector Quantization And Kohonen At Identify Leukemia.
ABSTRACT
Identification of disease with the use of neural network sallow provide results more quickly and precisely. Identification of leukemia will use and compare the
identification‘s speedand accuracy of the LVQ and Kohonen method. In training of LVQ method performed on each input pattern. The training results will be compared with the target. LVQ is aneural network with two types of layers, namely the competitive layer and the linear layer. While the Kohonen method, the training is done by classifying the input so that the results obtained are a classor cluster. The object that identified is leukemia with its four general types, namely of acute Lymphocyte Leukemia, acute myeloid leukemia, chronic lymphocytic leukemia and chronic myeloid leukemia. This identification system is trained with a given with 20 samples type of disease and each had 20 symptoms. With a maximum of 1000 epochs, and performance goals 0.0001 parameters. Once the system is trained, its be tested by input ting the symptoms in accor dance with of the sample. Based on the results of the identification test is carried out, it is known that the Kohonen method can recognize patterns faster than LVQ method for which the average time required Kohonen method is 4:20 seconds while LVQ method 5.80. And a higher percentage of LVQ accuracy with 100% accuracy while Kohonen percentage 50%.
DAFTAR ISI
Daftar Gambar Xii
Bab 1 Pendahuluan 1
2.1 Jaringan Syaraf Tiruan
2.1.1 Arsitektur Jaringan Syaraf Tiruan 2.1.4 Algoritma Jaringan Syaraf Tiruan 10 2.2 Learning Vector Quantization (LVQ) 11
Hal.
Bab 3 Analisis Dan Perancangan Sistem 18
3.1 Analisis Sistem 18
3.1.1 Analisis Permasalahan 18
3.1.2 Analisis Kebutuhan Sistem 19
3.1.2.1 Kebutuhan Fungsional Sistem 19 3.1.2.2 Kebutuhan Non-Fungsional Sistem 19 3.1.3 Analisis Proses Sistem
3.1.3.1 Analisis Proses Learning Vector Quantization
Bab 4 Implementasi dan Pengujian Sistem 45
4.2 Pengujian Sistem
4.2.1 Jenis Pengujian 53
4.2.1.1 Kecepatan Pelatihan 53 4.2.1.2 Kecepatan Identifikasi
4.2.1.3 Ketepatan Pelatihan 4.2.1.4 Ketepatan Identifikasi
56 57 58
Bab 5 Kesimpulan dan Saran 65
5.1 Kesimpulan 65
5.2 Saran 66
Daftar Pustaka 67
Lampiran Listing Program A-1
DAFTAR TABEL
Hal. 2.1 Beberapa perbedaan antara leukemia limfosit dan mieloid. 15 3.1 Dokumentasi Naratif Use Case LVQ 24 3.2 Dokumentasi Naratif Use Case Kohonen 26 4.1 Perbandingan Waktu Uji Pengenalan Gejala penyakit identifikasi
DAFTAR GAMBAR
Hal.
1.1Flowchart Sistem
2.1 Fungsi Aktivasi Pada Jaringan Syaraf Sederhana 2.2 Arsitektur Jaringan Syaraf Tiruan
2.3Arsitektur Jaringan LVQ 2.4 Arsitektur Jaringan Kohonen 3.1 Ishikawa Diagram
3.2 Use case Diagram Sistem Identifikasi Penyakit Leukemia 3.3 Sequence Diagram Proses Pelatihan
3.4 Sequence Diagram Proses Pengujian 3.5 Activity Diagram Proses Pelatihan LVQ 3.6 Activity Diagram Proses Pelatihan Kohonen
3.7 Activity Diagram Proses Pengujian LVQ dan Kohonen 3.8 Flowchart Sistem
3.9 Flowchart Proses Pelatihan LVQ
3.10 Flowchart Proses Pelatihan Kohonen 3.11 Flowchart Pengujian LVQ dan Kohonen 3.12 Arsitektur Jaringan LVQ
3.13 Arsitektur Jaringan Kohonen 3.14 Tampilan Antarmuka Awal
3.15 Tampilan Antarmuka PelatihanMetode LVQ 3.16 Tampilan Antarmuka Pelatihan Metode Kohonen 3.17 Tampilan Antarmuka Pengujian LVQ
3.18 Tampilan Antarmuka Pengujian Kohonen 3.19 Tampilan Antarmuka Bantuan
3.20 Tampilan Antarmuka Konfirmasi Keluar 4.1 Tampilan Antarmuka Menu Beranda Sistem 4.2 Tampilan Antarmuka Pelatihan LVQ
4.3 Tampilan Antarmuka Berhasil Simpan 4.4.Tampilan Antarmuka Pengujian LVQ
4.5 Tampilan Antarmuka Pengujian LVQ Setelah Dikenali 4.6 Tampilan Antarmuka Pelatihan Kohonen
4.7 Tampilan Antarmuka Pelatihan Kohonen Setelah Dilakukan Pelatihan 4.8 Tampilan Antarmuka Pengujian Kohonen
4.9 Tampilan Antarmuka Pengujian Kohonen Setelah Dikenali 4.10 Tampilan Antarmuka Bantuan
4.11. Hasil Pelatihan LVQ 4.12. Hasil Pelatihan Kohonen
4.13 Grafik Perbandingan Kecepatan Identifikasi Penyakit Leukemia Antara Metode LVQ dan Kohonen
4.14 Sebelum Uji Identifikasi Metode LVQ 4.15 Setelah Uji Identifikasi Metode LVQ 4.16 Setelah Uji Identifikasi Metode Kohonen 4.17 Setelah Uji Identifikasi Metode Kohonen
48 49 50 51 52 53 54 55
