ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW
DALAM BACK PROPAGATION PADA PENYAKIT GINJAL
TESIS
ROMANUS DAMANIK
117038011
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW
DALAM BACK PROPAGATION PADA PENYAKIT GINJAL
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh
ijazah
Magister Teknik Informatika
ROMANUS DAMANIK
117038011
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul Tesis : ANALISIS PENGGUNAAN ALGORITMA
NGUYEN WIDROW DALAM
BACKPROPAGATION PADA PENYAKIT GINJAL
Kategori : TESIS
Nama Mahasiswa : ROMANUS DAMANIK
Nomor Induk Mahasiswa : 117038011
Program Studi : MAGISTER TEKNIK INFORMATIKA
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2, Pembimbing 1,
Dr. Zakarias Situmorang Prof. Dr. Muhammad Zarlis
Diketahui/Disetujui oleh
Program Studi S2 Teknik Informatika Ketua,
PERNYATAAN ORISINALITAS
ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW
DALAM BACKPROPAGATION PADA PENYAKIT GINJAL
TESIS
Dengan ini saya nyatakan bahwa saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap satunya telah dijelaskan sumbernya dengan benar.
Medan, 06 Desember 2013
PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini:
Nama : Romanus Damanik
NIM : 117038011
Program Studi : Teknik Informatika Jenis Karya Ilmiah : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty Free Right) atas Tesis saya yang berjudul:
ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW DALAM
BACKPROPAGATION PADA PENYAKIT GINJAL
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan Tesis saya tanpa meminta ijin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, 06 Desember 2013
Telah diuji pada
Tanggal: 06 Desember 2013
PANITIA PENGUJI TESIS
Ketua
: Prof. Dr.Muhammad Zarlis
Anggota
: 1. Dr. Zakarias Situmorang
2. Prof. Dr.Herman Mawengkang
3. Prof. Dr.Tulus
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap : Romanus Damanik, S.Kom
Tempat dan Tanggal Lahir : Bandar Hanopan, 15 Februari 1979
Alamat Rumah : Perumahan Griya Mekatani Blok-2B -
Marendal
Handphone : 081264870561 / 081265362951
Instansi Tempat Bekerja : AMIK MBP MEDAN
Alamat Kantor : Jl. Letjend. Jamin Ginting P. Bulan - Medan
DATA PENDIDIKAN
SD : SD Taman Harapan Medan TAMAT: 1986
SLTP : SMP PGRI 4 Medan TAMAT: 1995
SLTA : SMA YP. Timbul Jaya 1 Medan TAMAT: 1998
S1 : STMIK Sisingamangaraja XII TAMAT: 2007
Jurusan Sistem Informasi
S2 : Universitas Sumatera Utara (USU) TAMAT: 2013
UCAPAN TERIMA KASIH
Pertama-tama penulis panjatkan puji syukur kehadirat Tuhan Yang Maha Esa, atas segala rahmat dan karunia-Nya, penulis dapat menyelesaikan tesis ini dengan baik. Tesis penulis yang berjudul : “Analisa Penggunaan Algoritma Nguyen Widrow Dalam Backpropagation Pada Penyakit Ginjal” merupakan salah satu syarat akademik penulis sebagai mahasiswa S2, program studi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi (Fasilkom-TI), Universitas Sumatera Utara (USU), Medan dalam menyelesaikan jenjang pendidikan S2.
Dengan selesainya tesis ini, perkenankanlah saya mengucapkan terima kasih yang sebesar-besarnya kepada :
Rektor Universitas Sumatera Utara, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K) atas kesempatan yang diberikan kepada saya untuk mengikuti dan menyelesaikan pendidikan Program Magister.
Dekan Fakultas Ilmu Komputer Universitas Sumatera Utara sekaligus Ketua Program Studi Magister (S2) Teknik Informatika, Prof. Dr. Muhammad Zarlis dan
Sekretaris Program Studi Magister (S2) Teknik Informatika, M. Andri Budiman, S.T, M.Com, M.E.M beserta seluruh staf pengajar yang telah banyak memberikan ilmu pengetahuan selama masa perkuliahan serta seluruh staff pegawai pada Program Studi S2 Teknik Informatika Universitas Sumatera Utara.
Prof. Dr. Muhammad Zarlis, selaku pembimbing utama yang telah banyak memberikan bimbingan dan arahan serta motivasi kepada penulis dan Dr. Zakarias Situmorang, selaku pembimbing kedua yang telah banyak memberikan bimbingan dan arahan serta motivasi kepada penulis.
Prof. Dr. Tulus, Prof. Dr. Herman Mawengkang dan Ibu Dr. Erna B. Nababan, M.IT selaku pembanding yang telah banyak memberikan kritikan serta saran kepada penulis.
perhatian, pengertian, kasih sayang dan motivasi kepada penulis dan juga ucapan terimakasih kepada kedua Orang Tuaku Josep Pius Damanik dan Normalina Saragih yang telah banyak memberikan doa dan perhatiannya kepada penulis. Ucapan terimakasih juga penulis ucapkan kepada teman-teman angkatan 2011 Program Studi S2 Teknik Informatika, yang telah memberikan semangat kepada penulis.
Akhir kata penulis hanya berdoa kepada Tuhan Yang Maha Esa semoga Tuhan memberikan limpahan karunia kepada semua pihak yang telah memberikan bantuan, perhatian, serta kerjasamanya kepada penulis dalam menyelesaikan tesis ini.
Medan, 06 Desember 2013
ROMANUS DAMANIK
ABSTRAK
Pada penelitian ini penulis menggunakan algoritma Nguyen Widrow didalam Jaringan Syaraf Tiruan (JST) Backpropagation untuk pengenalan (recognition) gejala atau pola penyakit ginjal dan mempercepat mekanisme pembelajaran (training) berdasarkan gejala atau pola penyakit ginjal. Jaringan Syaraf Tiruan (JST) Backpropagation merupakan algoritma pembelajaran yang bersifat supervisi (supervised learning), yaitu pembelajaran yang membutuhkan pengawasan untuk pembelajarannya. didalam Jaringan Syaraf Tiruan (JST) Backpropagation terdapat data masukan (input) dan data keluaran (output) yang dipakai dalam pelatihan (training) sehingga diperoleh bobot (weight) yaitu dari unit masukan (Input) ke layer tersembunyi (Hidden Layer) dan dari layer tersembunyi (hidden layer) ke layer keluaran (Output). Pada penelitian ini, pengenalan pola penyakit ginjal terdapat 30 (tiga puluh) gejala dan 10 (sepuluh) macam penyakit ginjal. Data masukan (input) secara acak (random) dan data dilatih
(training) menggunakan algoritma backpropagation yang pembobotannya
menggunakan Nguyen Widrow. Dari penelitian yang dilakukan, keunggulan dari Jaringan Syaraf Tiruan (JST) Backpropagation secara acak lebih cepat dalam melakukan pelatihan (training) sedangkan dalam hal pengenalan (recognition) gejala atau pola penyakit ginjal algoritma Nguyen Widrow jauh lebih baik.
ANALISYS OF USE OF NGUYEN WIDROW ALGORITHM ON BACKPROPAGATION FOR IDENTIFICATION OF
KIDNEY DISEASE
ABSTRACT
In this research, the writer implementing Nguyen Widrow Algorithm on neural network backpropagation on recognizing the sympthoms or pattern of kidney diseases and accelerating on the process of training based on the patterns of kidney diseases. Neural network backpropagation is supervised learning, training process that needs supervision. In neural network backpropagation there are input and output that use on trainig process to get weight of input unit to the hidden layer and from hidden layer to output layer. In this research of recognition of pattern of kidney diseases there are 30 (thirty) patterns and 10 (ten) diseases of kidney. The data for input inserted randomly and whole data trained by using neural network where to calculate the weight of each data calculated by Nguyen Widrow. Based on the research organized by writer, the result of training using neural network backpropagation is faster than using Nguyen Widrow, on the other hand, the result of recognition by using nguyen Widrow is better than neural network backpropagation.
DAFTAR ISI
COVER i
LEMBARPERSETUJUAN ii
LEMBAR PERNYATAAN ORISINALITAS iii
LEMBAR PERSETUJUAN PUBLIKASI iv
LEMBAR PANITIA PENGUJI TESIS v
LEMBAR RIWAYAT HIDUP vi
LEMBARUCAPANTERIMAKASIH vii
2.2 Jaringan Syaraf Biologi 4
2.3 Jaringan Syaraf Tiruan (Neural Network) 6
2.3.1 Arsitektur Jaringan Syaraf 7
2.3.2 Keuntungan Menggunakan Komputasi dengan JST 8 2.4 Algoritma Umum Jaringan Syaraf Tiruan 9
2.5 Sejarah Jaringan Syaraf Tiruan 11
2.6.1 Pelatihan dengan Supervisi 13
2.6.2 Pelatihan Tanpa Supervisi 14
2.7 Algoritma Backpropagation 14
2.7.1 Fase Propagasi Maju 15
2.7.2 Fase Propagasi Mundur 16
2.7.3 Fase Modifikasi Bobot 16
2.7.4 Prosedur Pelatihan 16
2.8 Inisialisasi Pembobotan 20
BAB III METODE PENELITIAN 34
3.1 Data Yang Digunakan 34
BAB IV ANALISIS DAN PEMBAHASAN 56
4.1 Analisis 56
4.2 Pembahasan 57
4.2.1 Implementasi Pembelajaran (Training)
e. Percobaan Kedua dengan Inisialisasi Nguyen Widrow 71 f. Percobaan Ketiga dengan Inisialisasi Nguyen Widrow 72 g. Perbandingan Recognition Inisialisasi Acak dengan
Nguyen Widrow Percobaan Pertama 74 h. Perbandingan Recognition Inisialisasi Acak dengan Nguyen
Widrow Percobaan Kedua 74
i. Perbandingan Recognition Inisialisasi Acak dengan Nguyen
Widrow Percobaan Ketiga 75
BAB V KESIMPULAN DAN SARAN 76
5.1 Kesimpulan 76
5.2 Saran 76
DAFTAR TABEL
Perbedaan Jaringan Syaraf Biologis dengan JST Gejala-Gejala Penyakit Ginjal
Nama-Nama Penyakit Ginjal Pendefenisian Input
Tabel Pendefenisian Keluaran (Output)
Bobot dari layer input (Xi) ke layer tersembunyi (Zi
Hasil Training Percobaan Pertama Inisialisasi Acak ) Bobot-bobot Dari Layer Tersembunyi Ke LayerOutput
Hasil Training Percobaan Kedua Inisialisasi Acak Hasil Training Percobaan Ketiga Inisialisasi Acak Hasil Training Percobaan Pertama Algoritma Nguyen Widrow
Hasil Training Percobaan Kedua Algoritma Nguyen Widrow
Hasil Training Percobaan Ketiga Algoritma Nguyen Widrow
Perbandingan Hasil Training Percobaan Pertama Perbandingan Hasil Training Percobaan Kedua Perbandingan Hasil Training Percobaan Ketiga Hasil Recognition Percobaan Pertama
Hasil Recognition Percobaan Kedua Hasil Recognition Percobaan Ketiga
Hasil Recognition Percobaan Pertama Nguen Widrow Hasil Recognition Percobaan Kedua Nguen Widrow Hasil Recognition Percobaan Ketiga Nguen Widrow Perbandingan Recognition Inisialisasi Acak dengan Nguyen WidrowPercobaan Pertama
Perbandingan Recognition Inisialisasi Acak dengan Nguyen WidrowPercobaan Kedua
Perbandingan Recognition Inisialisasi Acak dengan Nguyen WidrowPercobaan Ketiga
DAFTAR GAMBAR
Nomor Gambar
Judul Halaman
2.1 Susunan Neuron Biologis 5
2.2 Jaringan Syaraf Tiruan dengan Lapisan Tunggal 6 2.3 Jaringan Syaraf Tiruan dengan Banyak Lapisan 6 2.4 Fungsi aktivasi: Undak Biner Hard Limit 7
2.5 Fungsi aktivasi: Undak Biner Threshold 7
2.6 Jaringan dengan 3 unit hidden layer 22
3.1 Flowchart Algoritma Pelatihan Backpropagation 30
3.2 Flowchart Algoritma Pelatihan Backpropagation
(Lanjutan)
31
3.3 Flowchart Algoritma Pelatihan Backpropagation
(Lanjutan)
32
3.4 Flowchart Pengujian Backpropagation 33
3.5 Arsitektur Jaringan 35
4.1 Tampilan Menu Utama Aplikasi 57
4.2 Tampilan Proses Training Gejala Penyakit Gagal Ginjal Akut
58
4.3 Tampilan Proses Training Gejala Penyakit Kanker Ginjal 59 4.4 Tampilan Hasil Recognition Gagal Ginjal Akut 65 4.5 Tampilan Hasil Recognition Gagal Ginjal Akut
Percobaan Pertama
67
4.6 Tampilan Hasil Recognition Gagal Ginjal Akut Percobaan Ketiga
68
