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
NJudul Tesis : ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA JARINGAN SYARAF TIRUANBACKPROPAGATIONDALAM 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