Analisis Penggunaan Algoritma Kohonen Pada Jaringan Syaraf Tiruan Backpropagation Dalam Pengenalan Pola Penyakit Paru

ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA

JARINGAN SYARAF TIRUAN

BACKPROPAGATION

DALAM PENGENALAN POLA PENYAKIT PARU

T E S I S

ROSMELDA GINTING

117038032

PROGRAM STUDI S2 TEKNIK INFORMATIKA

ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA

JARINGAN SYARAF TIRUAN

BACKPROPAGATION

DALAM PENGENALAN POLA PENYAKIT PARU

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

ROSMELDA GINTING

117038032

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

PENGESAHA

N

Judul Tesis : ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA JARINGAN SYARAF TIRUANBACKPROPAGATION_DALAM PENGENALAN POLA PENYAKIT PARU Kategori : TESIS

Nama Mahasiswa : ROSMELDA GINTING Nomor Induk Mahasiswa : 117038032

Program Studi : MAGISTER TEKNIK INFORMATIKA Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI UNIVERSITAS SUMATERA UTARA

Menyetujui Komisi Pembimbing

Dr.Erna Budhiarti Nababan, M.IT Prof.Drs.Tulus,Vordipl.Math., M.Si.,Ph.D

Anggota Ketua

Diketahui/Disetujui oleh

PERNYATAAN ORISINALITAS

ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA

JARINGAN SYARAF TIRUAN

BACKPROPAGATION

DALAM PENGENALAN POLA PENYAKIT PARU

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, 28 Agustus 2013

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini :

Nama : Rosmelda Ginting NIM : 117038032

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 KOHONEN PADA

JARINGAN SYARAF TIRUAN BACKPROPAGATION

DALAM PENGENALAN POLA PENYAKIT PARU

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk data-base, merawat dan mempublikasikan Tesis saya tanpa meminta izin 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, 28 Agustus 2013

Telah diuji pada

Tanggal : 28 Agustus 2013

PANITIA PENGUJI TESIS

KETUA

:

Prof. Drs. Tulus, Vordipl.Math.,M.Si., Ph.D

Anggota

:

1. Dr. Erna Budhiarti Nababan, M.IT

RIWAYAT HIDUP

DATA PRIBADI

Nama lengkap berikut gelar : Rosmelda Ginting, S.Si

Tempat dan Tanggal Lahir : Tiga panah, 21 September 1977 Alamat Rumah : Jl. Pintu Air IV No.65 Kwala Bekala

Medan Johor_–Medan Telepon : +6285270002028

E-mail : rosmeldamunthe@yahoo.com Instansi Tempat Bekerja : SMK Negeri 1 Lubuk Pakam Alamat Kantor : Jl. Galang Lubuk Pakam

DATA PENDIDIKAN

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 : “Analisis Penggunaan Algoritma Kohonen Pada

Jaringan Syaraf Tiruan Backpropagation Dalam Pengenalan Pola Penyakit Paru”

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. Tulus, selaku pembimbing utama yang telah banyak memberikan

bimbingan dan arahan serta motivasi kepada penulis. Dan Dr. Erna Budhiarti

Nababan, M.IT, selaku pembimbing kedua yang telah banyak memberikan

bimbingan dan arahan serta motivasi kepada penulis.

Prof. Dr. Muhammad Zarlis, Prof. Dr. Opim Sitompul dan Prof. Dr. Herman

Mawengkang selaku pembanding yang telah banyak memberikan kritikan serta saran

Teristimewa kepada Suamiku Tercinta Harapenta Purba, dan kedua anakku

tersayang Ekky dan Gaby yang telah memberikan perhatian, pengertian, kasih

sayang dan motivasi kepada penulis dan terimakasih juga kepada kedua Orang

Tuaku (Alm) T. Ginting dan L. Br. Sitepu yang telah memberikan pendidikan

penulis sampai S1 sehinga dapat dilanjutkan ke S2, dan juga kedua mertuaku N.

Purba dan (Alm) R. Br. Ginting serta seluruh keluarga besar Ginting-Purba yang

telah memberikan doa dan dukungan. Ucapan terimaksih juga penulis ucapkan

kepada sahabat-sahabat seperjuangan angkatan 2011 Program Studi S2 Teknik

Informatika, yang telah memberikan semangat kepada penulis. Dan juga KepSek

SMK N.1 Lubuk Pakam Drs.Kiniken,M.Pd dan semua Guru dan Staff SMK N.1

Lubuk Pakam khususnya Sulistiani,ST, AtikaAzzakamal,S.Pd, dan Dwi

Kartika,S.Psi, yang telah memberikan motivasi dan dukungan 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, 28 Agustus 2013

ABSTRAK

Dalam penelitian ini penulis menggunakan algoritma Kohonen pada Jaringan Syaraf Tiruan Backpropagation dalam pengenalan pola penyakit paru dalam mempercepat proses pembelajaran (training) yang signifikan dan klasifikasi yang akurat dalam mengenali pola suatu penyakit. Algoritma Backpropagation merupakan salah satu algoritma pembelajaransupervised learning, yaitu pembelajaran yang membutuhkan pengawasan dalam proses pembelajarannya. Pada supervised learning terdapat pasangan data input dan output yang dipakai untuk melatih Jaringan Syaraf Tiruan hingga diperoleh bobot penimbang (weight) yang diinginkan. Dalam penelitian ini, dalam pengenalan pola penyakit paru yaitu: Pneumonia dan TBC Paru-paru. Penulis menggunakan 2 data input yang sama dan data yang satu dilatih menggunakan algoritma backpropagation dimana pembobotannya secara random dan data yang kedua dilatih menggunakan algoritma backpropagation tapi pembobotannya menggunakan algoritma Kohonen. Dari hasil penelitian yang penulis lakukan, dengan pembobotan menggunakan kohonen dan dilatih dengan algoritma backpropagationternyata dapat mempercepat proses pembelajaran (training) dalam mengenali suatu pola penyakit paru.

KOHONEN ALGORITHM ANALYSIS ON THE USE OF NEURAL NETWORK BACKPROPAGATION FOR PATTERN RECOGNITION

OF PULMONARYDISEASE

ABSTRACT

In this study, the research eruses the Kohonen algorithm in neural network backpropagation for pattern recognition of pulmonary disease to increase the process of learning (training) for a significantandaccurate classification in recognizing patterns of a disease. Backpropagation algorithm is a supervised learning algorithm, a kind of learning that requires supervision in the learning process. In supervised learning, there are input and output data that are used totrain theartificial neural networkin obtaining the desired weight. In this study, for the pattern recognition of pulmonary disease: Pneumonia and Lung TBC, the researcher uses the same two input data. The first data is train edusing backpropagation algorithm with random weight and the second data is train educing backpropagation algorithm with Kohonen algorithm weight. From the results of research, using Kohonen algorithm weight and training with backpropagation algorithm are able to accelerate the process of learning (training) in recognizing a pattern of pulmonary disease compared to using backpropagation neural network only.

DAFTAR ISI

COVER i

LEMBAR PENGESAHAN ii

LEMBAR PERNYATAAN ORISINALITAS iii

LEMBAR PERSETUJUAN PUBLIKASI iv

LEMBAR PANITIA PENGUJI TESIS v

LEMBAR RIWAYAT HIDUP vi

LEMBAR UCAPAN TERIMA KASIH vii

LEMBAR ABSTRAK ix

1.1 Latar Belakang Masalah 1

1.2 Perumusan Masalah 2

2.2.2Multi layer perceptron 7

2.2 AlgoritmaBackpropagation 9

2.2.1 Fase Propagasi Maju 10

2.2.2 Fase Propagasi Mundur 10

2.2.3 Fase Modifikasi Bobot 10

2.5 Teori Penunjang Tentang Penyakit Paru 17

2.6 SmoothingGrafik 21

2.7 RisetTerkait 21

2.8 Perbedaan dengan Riset lain 23

2.9 Kontribusi Riset 23

BAB III METODELOGI PENELITIAN 24

3.1 Pendahuluan 24

3.2 Proses Penelitian 24

3.2.1 Data yang Digunakan 24

3.2.2 Data Target/Output 31

3.2.3 Pelatihan Data 31

3.2.4 Pengujian Data 32

3.3 Analisis Data 33

3.3.1 Arsitektur Jaringan Syaraf Tiruan 33

3.3.2 Perancangan Skema Sistem 37

3.3.3 AlgoritmaBackpropagation 37

3.3.4 Algoritma Kohonen 39

BAB IV HASIL DAN PEMBAHASAN 42

4.1 Pendahuluan 42

4.2 HasilAnalisa 42

4.2.1 Pembobotan Awal 42

4.2.2 Pengisian Nilai Bias 45

4.2.3 InputData 45

4.2.4 TrainingData 46

4.2.5 Pengujian Data 47

4.3 Pembahasan dan Hasil 48

4.3.1 Analisis Pengaruh Bobot dan Bias Untuk Pengenalan Pola 48

4.3.2.2 Pengujian dengan algoritma Kohonen pada JST

Backpropagation 51

4.3.2.3 Hasil Pengujian Penggabungan Algoritma

Backpropagationdengan Algoritma Kohonen pada

JSTBackpropagation 53

BAB V KESIMPULAN DAN SARAN 58

5.1 Kesimpulan 58

5.2 Saran 58

DAFTAR TABEL

Penilaian Kriteria Identitas Pasien Berdasarkan Umur dan Jenis Kelamin

Penilaian Kriteria Identitas Pasien Berdasarkan Kanker TBC

Penilaian Kriteria Identitas Pasien Berdasarkan Pneumonia

Penilaian Kriteria Identitas Pasien Berdasarkan Lingkungan dan Kebiasaan

Persentasi Bobot Data Target

Data untuk Pelatihan dan Data Target

Tabel Perbandingan NilaiErrorPada Algoritma

Backpropagation dan Algoritma Kohonen Dengan Bobot Awal : 0.5

Tabel Perbandingan NilaiErrorPada Algoritma

DAFTAR GAMBAR

2.4 FungsiPiecewise Linear 7

2.5 Fungsi Sigmoid 7

2.6 Multi Layer Perceptron 8

2.7 Paru manusia 17

Arsitektur Jaringan Syaraf Tiruan Pengenalan Pola Perancangan Skema Sistem

Program saat dilakukan Pembobotan

Program saat dilakukan Pengisian Nilai Bias Program saat dilakukanInputData

Program saat dilakukan Pelatihan PolaOutputPelatihan

Hasil Pengujian dengan AlgoritmaBackpropagation Hasil Pengujian dengan AlgoritmaBackpropagation dalam bentuk grafik

Hasil Percobaan dengan Algoritma Kohonen Hasil Percobaan dengan Algoritma Kohonen dalam Bentuk Grafik