IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK
PREDIKSI KEPUTUSAN MEDIS
PADA PENYAKIT DEMAM BERDARAH DENGUE
SKRIPSI
JAMIL FAHMI NASUTION
070823001
PROGRAM STUDI SARJANA MATEMATIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2009
IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK
PREDIKSI KEPUTUSAN MEDIS
PADA PENYAKIT DEMAM BERDARAH DENGUE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
sarjana sains
JAMIL FAHMI NASUTION
070823001
PROGRAM STUDI SARJANA MATEMATIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2009
PERSETUJUAN
Judul : IMPLEMENTASI JARINGAN SYARAF TIRUAN
UNTUK PREDIKSI KEPUTUSAN MEDIS PADA PENYAKIT DEMAM BERDARAH DENGUE
Kategori : SKRIPSI
Nama : JAMIL FAHMI NASUTION
Nomor induk Mahasiswa : 070823001
Program studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA Diluluskan di
Medan, September 2009
Komisi pembimbing :
Pembimbing 2 Pembimbing 1
Dra. Mardiningsih, M.Si Syahriol Sitorus, S.Si,M.IT
NIP. 131803344 NIP. 132174687
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
Dr. Saib Suwilo, M.Sc NIP. 131796149
PERNYATAAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK PREDIKSI KEPUTUSAN MEDIS PADA PENYAKIT DEMAM BERDARAH DENGUE
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, September 2009
JAMIL FAHMI NASUTION 070823001
PENGHARGAAN
Alhamdulillah, puji dan syukur penulis panjatkan kepada Allah subhanahu wata’ala, karena limpahan karunia-Nya. Skripsi ini dapat penulis selesaikan dengan baik.
Ucapan terima kasih penulis sampaikan kepada Bapak Syahriol Sitorus, S.Si, M.IT dan Ibu Dra. Mardningsih, M.SI selaku pembimbing pada penyelesaian skripsi ini yang telah memberikan panduan dan kepercayaan kepada saya untuk
menyempurnakan kajian ini, Panduan padat dan ringkas telah diberikan kepada saya agar dapat menyelesaikan tugas akhir ini. Ucapan terima kasih juga ditujukan kepada ketua dan sekretaris Departemen Matematika, Dr. Saib Suwilo, M.Sc dan Drs. Henri Rani Sitepu, M.Si. Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, Semua dosen pada Departemen Matematika FMIPA USU, dan para pegawai di FMIPA USU. Tidak terlupakan kepada bapak dan ibu tercinta yang selalu memberikan doa dan dorongan untuk menyelesaikan tugas akhir ini.
Tak lupa pula, penulis juga mengucapkan terima kasih sebesar-besarnya kepada Ayahanda dan Ibunda Keluargaku yang tercinta yang telah memberikan kasih sayang, doa, bantuan moril maupun materil yang begitu sangat berarti dalam
penyelesaian tugas akhir ini.
Tidak lupa juga penulis ucapkan terima kasih kepada teman-teman seangkatan 2007 ekstensi ilmu komputer terutama Arifiella yang sangat banyak membantu penulis selama ini.
Penulis menyadari bahwa skripsi ini memiliki banyak kekurangan, oleh karena itu dibutuhkan saran dan masukan dari semua pihak demi perbaikan penulisan skripsi ini.
Akhir kata, penulis ucapkan banyak terima kasih atas perhatiannya, semoga tulisan ini bisa berguna bagi siapa saja yang membutuhkannya..
ABSTRAK
Jaringan syaraf tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. Jaringan syaraf propagasi balik yang standart selama ini telah dikembangkan dengan 2 faktor pembelajaran yaitu laju pembelajaran (α ) dan momentum (β). Jumlah neuron pada lapisan tersembunyi sebanyak 50. sedangkan Laju pembelajaran [0,1,…..,0,5] dengan target error 0,1.
IMPLEMENTATION OF ARTIFICIAL NEURAL NETWORK FOR PREDICTION OF MEDICHAL ADJUSTMENT TO DENGUE
HEMORRHAGIC FEVER DESEASE
ABSTRACT
The artificial neural network represent one of the system of information process which designed by imitating the way of activity of brain of human being in to finishing a problem by doing process learn trough the change of wight sinaps. At this time the standart backpropagation has been developed by 2 learning factors, that are learning rate (α ) and momentum (β). The number of neuron at hidden layer are 50 while learning rate [0,1,…0,5] with error target 0,1.
DAFTAR ISI Halaman Persetujuan ii Pernyataan iii Penghargaan iv Abstrak v Abstract vi
Daftar Isi vii
Daftar Tabel x
Daftar Gambar xi
Daftar Istilah xiii
Bab 1 Pendahuluan 1 1.1Latar Belakang 1 1.2Perumusan Masalah 3 1.3Batasan Masalah 3 1.4Tujuan Penelitian 4 1.5Kontribusi Penelitian 4 1.6Metode Penelitian 5
Bab 2 Landasan Teori 6
2.1 Jaringan Syaraf Tiruan 6
2.1.1Pendahuluan 6
2.1.2Pengertian jaringan syaraf tiruan 6
2.1.3Inspirasi Biologi 6
2.1.4Perbandingan Jaringan syaraf tiruan
Dengan konvensional 7
2.1.5Konsep Dasar Jaringan Syaraf tiruan 8
2.1.5.1Struktur Feedforward 9
2.1.9Fungsi Transfer 13
2.2 Backpropagation 15
2.2.1 Arsitektur Backpropagation 15
2.3 DBD (Demam Berdarah Dengue) 18
2.3.1Pengenalan DBD 18
2.3.2Proses Timbulnya Penyakit DBD 20
2.3.3Derajat Penyakit DD/DBD 20
Bab 3 Analisis Dan Perancangan Sistem 22
3.1 Analisa Dan Identifikasi Sistem 22
3.1.1Analisa Masalah 22
3.1.2Identifikasi Kebutuhan sistem 23
3.1.3Proses Indentifikasi kebutuhan sistem 24
3.2 Perancangan Sistem 24
3.2.1Perancangan Alur Program 24
3.2.2Perancangan Model JST 26 3.2.2.1Penetapan Masukan 26 3.2.2.2Penetapan Keluaran 27 3.2.2.3Arsitektur Jaringan 27 3.2.3Perancangan Prosedural 31 3.2.3.1Proses Pelatihan 31 3.2.3.2Proses pengujian 33 3.2.4Perancangan Interface 33 3.2.4.1Perancangan menu 33 3.2.4.2Perancangan Form 34
3.2.5Implementasi dan Pengujian 38
3.2.6Pengujian JST keputusan dalam
pendiagnosaan Fase DBD 38
3.2.7Pengujian JST keputusan dalam menentukan
Diagnosis klasifikasi derajat DBD 44
3.2.8Pengujian JST ketepatan Waktu dalam meminta
Bab 4 Kesimpulan Dan Saran 59
4.1Kesimpulan 59
4.2Saran 60
Daftar Pustaka 61
Lampiran 62
DAFTAR TABEL
Tabel Halaman
2.1 Klasifikasi infeksi virus dengue 21
2.2 Pola output JST ketepatan diagnosis fase DBD 32
2.3 Pola output JST ketepatan diagnosis klasifikasi DBD 32
2.4 Pola output JST ketepatan waktu meminta pertolongan dokter 32
3.1 Data pola Masukan JST ketepatan Fase DBD 39
3.2 Data Bias JST ketepatan Fase DBD 39
3.3 Data percobaan untuk prediksi keputusan fase DBD 40
3.4 Data pola Masukan JST berdasarkan klasifikasi derajat DBD 45
3.5 Data Bias JST ketepatan derajat DBD 46
3.6 Data percobaan untuk prediksi keputusan berdasarkan derajat DBD 46
3.7 Data pola Masukan JST ketepatan waktu meminta pertolongan dokter 53
3.8 Data Bias JST ketepatan waktu meminta pertolongan dokter 53
3.9 Data percobaan untuk prediksi keputusan ketepatan waktu 53
DAFTAR GAMBAR
Halaman
2.1 Gambar Susunan Syaraf Manusia 7
2.2 Sebuah Sel Syaraf Sederhana 8
2.3 Fungsi Aktivasi 9
2.4 Jaringan syaraf tiruan feedforward 10
2.5 Jaringan syaraf tiruan feedback 11
2.6 Bentuk perceptron 12
2.7 Struktur jaringan syaraf tiruan Multi Layer 16
3.1 Alur Program 25
3.2 Arsitektur JST Ketepatan Diagnosis Fase DBD 28
3.3 Arsitektur JST Ketepatan Diagnosis Derajat DBD 29
3.4 Arsitektur JST Ketepatan 30
waktu meminta Pertolongan dokter
3.5 Rancangan Menu utama 33
3.6 Rancangan Menu Sub menu diagnosa JST 34
3.7 Form pembelajaran JST diagnosa Fase DBD 35
3.8 Form prediksi JST diagnosa Fase DBD 35
3.9 Form pembelajaran JST diagnosa Klasifikasi DBD 36
3.10 Form prediksi JST diagnosa Klasifikasi DBD 36
3.11 Form pembelajaran JST pertolongan Dokter 37
3.12 Form prediksi JST pertolongan Dokter 37
3.13 Grafik pembelajaran Fase DBD 40
dengan laju pembelajaran 0,1
3.14 Grafik pembelajaran Fase DBD
dengan laju pembelajaran 0,2 41
3.15 Grafik pembelajaran Fase DBD
dengan laju pembelajaran 0,3 42
dengan laju pembelajaran 0,5 44
3.18 Grafik pembelajaran Derajat DBD
dengan laju pembelajaran 0,1 47
3.19 Grafik pembelajaran Derajat DBD
dengan laju pembelajaran 0,2 48
3.20 Grafik pembelajaran Derajat DBD
dengan laju pembelajaran 0,3 49
3.21 Grafik pembelajaran Derajat DBD
dengan laju pembelajaran 0,4 50
3.22 Grafik pembelajaran Derajat DBD
dengan laju pembelajaran 0,5 51
3.23 Grafik pembelajaran pertolongan dokter
dengan laju pembelajaran 0,1 54 3.24 Grafik pembelajaran pertolongan dokter
dengan laju pembelajaran 0,2 55
3.25 Grafik pembelajaran pertolongan dokter
dengan laju pembelajaran 0,3 56 3.26 Grafik pembelajaran pertolongan dokter
dengan laju pembelajaran 0,4 57 3.27 Grafik pembelajaran pertolongan dokter
DAFTAR ISTILAH
Artralgia atau Artritis : Nyeri pada persendian.
Bobot : Merupakan nilai matematis dari koneksi, yang
mentransfer data dari satu lapisan ke lapisan berikutnya.
Backpropagation : Merupakan algoritma pembelajaran terawasi dan biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobot-bobot terhubung dengan neuron-neuron Lapisan tersembunyinya.
Ekimosis : Pendarahan di bawah kulit yang lebih besar.
Epistaksis : Pendarahan dari dalam hidung.
Epoch : Siklus setiap pola pelatihan dengan algoritma
Propagasi balik.
Fungsi Aktivasi : Fungsi yang menggambarkan hubungan antara tingkat aktivasi internal yang mungkin
berbentuk linier atau non linier.
Hematemesis : Muntah darah, biasanya warna hematemesis tergantung pada lamanya hubungan atau kontak antara darah dengan asam lambung dan besar kecilnya perdarahan, sehingga
warnamya bisa seperti warna kopi atau kemerah-merahan dan bergumpal-gumpal.
Hemokonsentrasi : Terjadi akibat pembuluh darah bocor dan darah cair (plasma darah) yang merembes keluar begitu banyak, sehingga darah makin kental.
Hipoglikemia : Suatu keadaan dimana kadar gula darah (glukosa) secara abnormal rendah.
Hiponatremia : Suatu keadaan dimana konsentrasi natrium yang lebih kecil 136 mEq/L darah, karena natrium terlalu banyak dilarutkan air di dalam tubuh.
Jaringan : Kumpulan neuron yang saling terhubung dan
membentuk lapisan.
Jaringan Syaraf Tiruan : Suatu sistem pemrosesan informasi yang mempunyai karakteristik seperti jaringan saraf manusia.
Lapisan Input : Lapisan yang berkoresponden dengan sebuah atribut tunggal dari sebuah pola atau data lain dari dunia luar.
Lapisan Output : Lapisan yang merupakan solusi atau hasil pemahaman jaringan terhadap data input.
Lapisan Tersembunyi : Lapisan yang tidak secara langsung
berhubungan dengan dunia luar, lapisan ini memperluas kemampuan jaringan saraf tiruan dalam menghadapi masalah-masalah
kompleks.
Leukeponia : Suatu penyakit yang disebabkan oleh kadar leukosit (sel darah putih) didalam plasma darah.
Laju Pembelajaran : Menunjukkan seberapa cepat jaringan syaraf tiruan dapat menyesuaikan diri dengan pelatihan yang diterimanya.
Manifestasi pendarahan : Bentuk gejala klinis DBD yang ditandai dengan pendarahan spontan dan uji tourniquet positif.
Mukosa : Lapisan kulit dalam yang tertutup pada
epitelium dan terlibat dalam proses absorpsi dan proses sekresi. Membran mukosa menyatu dengan kulit, misalnya pada lubang hidung, bibir, telinga, daerah kemaluan dan pada anus.
Melena : Pengeluaran feses atau tinja yang berwarna
hitam yang disebabkan oleh adanya
pendarahan saluran pencernaan bagian atas.
Myalgia : Suatu keadaan dimana badan terasa
pegal-pegal, myalgia yang tanpa adanya cedera biasanya disebabkan oleh infeksi virus.
Neuron : Sel saraf tiruan yang merupakan elemen
pengolahan jaringan saraf tiruan.
Petekia : Pendarahan kecil-kecil dibawah kulit, biasanya terjadi pada pembuluh kapiler darah.
Purpura : Pendarahan di bawah kulit yang timbul secara
Ruam Kulit : Ruam yang terjadi karena infeksi virus. timbul pada saat awal panas yang berupa ”flushing” yaitu berupa kemerahan pada daerah muka, leher dan muka.
Syok : Sindrom klinis yang disebabkan oleh
penurunan perfusi jaringan.
Trombositopenia : Suatu penyakit yang disebabkan oleh
kekurangan kadar trombosit. Kadar trombosit di dalam plasma darah kurang dari
100.000/mm3 darah.
Uji Torniquet : Suatu cara untuk mengetahui pendarahan dini. dilakukan oleh perawat pada setiap menerima pasien baru yang diyakini terjangkit DBD.
