• Tidak ada hasil yang ditemukan

Penerapan Jaringan Syaraf Tiruan dalam Mengidentifikasi Gejala pada Penyakit Hipertensi menggunakan Metode Backpropagation.

N/A
N/A
Protected

Academic year: 2017

Membagikan "Penerapan Jaringan Syaraf Tiruan dalam Mengidentifikasi Gejala pada Penyakit Hipertensi menggunakan Metode Backpropagation."

Copied!
12
0
0

Teks penuh

(1)

PENERAPAN JARINGAN SYARAF TIRUAN DALAM

PROGRAM STUDI D3 TEKNIK INFORMATIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

PENERAPAN JARINGAN SYARAF TIRUAN DALAM

MENGIDENTIFIKASI GEJALA PADA PENYAKIT

HIPERTENSI MENGGUNAKAN METODE

BACKPROPAGATION

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh

Ahli Madya

KARTIKA NIRWANA SILALAHI

142406125

PROGRAM STUDI D3 TEKNIK INFORMATIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(3)
(4)
(5)

iii

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan

Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan

penyusunan Tugas Akhir ini dengan judul Penerapan Jaringan Syaraf Tiruan dalam

Mengidentifikasi Gejala pada Penyakit Hipertensi menggunakan Metode

Backpropagation.

Terima kasih penulis sampaikan kepada Dr. Suwarno Arriswoyo, M.Si

selaku pembimbing yang telah meluangkan waktunya selama penyusunan Tugas

Akhir ini. Terima kasih kepada Dr. Sutarman, M.Sc sebagai Dosen Pembimbing

Akademik yang telah membimbing penulis selama penulis dalam masa kuliah.

Terima kasih kepada Ibu Dra. Normalina Napitupulu, M.Sc. dan Bapak Drs. James

Piter Marbun, M.Kom selaku Ketua dan Sekretaris Program Studi D3 Teknik

Informatika FMIPA USU Medan, Dekan dan Wakil Dekan FMIPA USU, seluruh

Staf dan Dosen Program Studi D3 Teknik Informatika FMIPA USU, pegawai

FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak, Ibu

dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan.

Semoga Tuhan Yang Maha Esa akan membalasnya.

Medan, Juni 2017

(6)

iv

PENERAPAN JARINGAN SYARAF TIRUAN DALAM MENGIDENTIFIKASI GEJALA PADA PENYAKIT

HIPERTENSI MENGGUNAKAN METODE BACKPROPAGATION

ABSTRAK

Tugas Akhir ini yaitu membuat suatu aplikasi untuk mengidentifikasi gejala

penyakit Hipertensi. Sistem perancangan aplikasi ini dikembangkan dengan

penerapan jaringan syaraf tiruan dengan metode backptopagation yang dirancang

menggunakan software yakni Matrix Laboratory (Matlab). Dengan adanya aplikasi

ini, dapat membantu setiap orang menjadi lebih mudah mengenali atau

mengidentifikasi dini penyakit Hipertensi melalui gejala gejala umum yang

dialami, sehingga dapat dilakukan penanganan sedini mungkin

Kata Kunci: Hipertensi, Jaringan Syaraf Tiruan, backptopagation dan Matrix

(7)

v

APPLICATION OF ARTIFICIAL NEURAN NETWORK IN IDENTIFYING THE SYMPTOMPS IN HYPERTENSION DISEASE

USING BACKPROPAGTION METHOD

ABSTRACT

The final project is create an application to identify the symptomsof disease

hypertension. System design this application is developed with the application of

artificial neural network with backpropagation method, which is designed using

softwarw Matrix Laboratory (Matlab). With this application, it can help person

become more easily recognize or identify disease early hypertension through the

common symptoms experienced, so it can be done handling as early as possible

Keywords: Hypertension, Artificial Neural Network, Backpropagation, and Matrix

(8)

vi

1.6 Metodologi Penelitian 5

1.7 Sistematika Penulisan 6

BAB 2. TINJAUAN PUSTAKA

2.1Hipertensi(HTN) 8

2.2Jaringan Syaraf Tiruan(JST) 10

2.2.1 Komponen Jaringan Syaraf Tiruan 12 2.2.2 Kemampuan Jarigan Syaraf Tiruan 13 2.2.3 Arsitektur Jaringan Syaraf Tiruan 14

2.3Backpropagation 15

2.4Matrix Laboratory(Matlab) 17

2.4.1 Jendela Jendela Pada Matlab 18

2.4.2 Bagian Utama Pada Sistem Matlan 23

2.4.2.1Development Environtment 23

2.4.2.2Matlab Mathematical Function Library 23

2.4.2.3Matlab Language 23

2.4.2.4Graphics

2.4.2.5Matlab Application Program Interface(API) 24

2.4.3 GUIDE Matlab 25

2.4.3.1Keunggulan GUIDE Matlab 25

2.4.3.2Komponen GUIDE Matlab 26

2.4.4 Toolbox Bacpropagation Pada Matlab 29

BAB 3. ANALIS DAN PERANCANGAN SISTEM

3.1Analisis Masalah 30

(9)

vii

3.2.1 Pengumpulan Data dan Pengolahan Data 30

3.2.2 Pendefenisian Input dan Target 31

3.2.2.1Pendefenisian Input 32

3.2.2.2Penetapan Target 34

3.3Perancangan Sistem 36

3.4Perencanaan dan Pembuatan Sistem 37

3.4.1 Perancangan Arsitektur Jaringan Syaraf Tiruan 39

3.4.2 Perancangan Sistem Pelatihan 42

3.4.3 Perancangan Sistem Deteksi 43

3.5Data Flow Diagram(DFD) 43

3.6Flowchart Proses Deteksi 46

3.7Flowchart Proses Pelatihan 47

3.8Perancangan Desain Sistem 48

3.8.1 Desain Tampilan Form Home 48

3.8.2 Desain Tampilan Form Train 48

3.8.3 Desain Tampilan Form Trial 49

3.8.4 Desain Tampilan Form Profil 50

BAB 4. IMPLEMENTASI SISTEM

4.1Pengertian dan Tujuan Implementasi Sistem 52

4.2Tampilan Form Home 53

4.3Tampilan Form Train 54

4.4Tampilan Form Trial 55

BAB 5. PENUTUP

4.1Kesimpulan 59

(10)

viii

DAFTAR TABEL

Nomor Judul Halaman Tabel

3.1 Tabel Data Pelatihan 34

3.2 Tabel Data Pengujian 35

(11)
(12)

DAFTAR LAMPIRAN

Lampiran A : Listing Program

Lampiran B : Surat Keterangan Hasil Uji Program Tugas Akhir Mahasiswa Lampiran C : Kartu Bimbingan

Referensi

Dokumen terkait

Judul yang dipilih oleh Tim peneliti untuk Hibah Penelitian dan Pengabdian Pada Masyarakat Kemenristekdikti 2017 ini adalah “Rencana Kontinjensi Pengurangan Risiko Bencana

Pada Statistika Matematika1 telah dipela- jari beberapa distribusi peluang khusus yang penting baik distribusi peluang dengan peubah acak diskrit maupun distribusi

Suatu wilayah mengalami pasang dan surut dalam waktu yang berbeda, periode rata-rata fenomena pasang dan surut sekitar 12,5 jam tergantung dari posisi geografis suatu

Pertama ditunjukkan seorang pemuda yang dikaburkan atau di blur menjalani kesehariannya dengan penuh tanya dalam diri “kenapa aku tidak bisa menjadi seperti orang lain”, hal

3.1 Pemilik barang atau agennya melakukan proses booking ke perusahaan pelayaran (shipping line) dengan menyatakan Cikarang Dry Port, Bekasi (kode pelabuhan IDJBK) di dalam kolom

karena nilai signifikansi lebih kecil daro 0.05 maka model regresi dapat digunakan untuk memprediksi rasio pembayaran dividen atau dapat dikatakan bahwa variabel cash

Determinan atau faktor-faktor penentu pengungkapan tanggungjawab sosial yang diuji pada penelitian tersebut adalah faktor represi sipil dan politik suatu negara,