PENERAPAN METODE JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) PADA FAKTOR YANG MEMPENGARUHI TERJADINYA TBC PARU

Abstract

ABSTRAK

Salah satu metode klasifikasi yang sering digunakan adalah analisis diskriminan dan regresi logistik. Dalam analisis diskriminan ada asumsi yang harus dipenuhi oleh data, dan tidak semua data dapat memenuhi asumsi. Sedangkan regresi logistik membutuhkan data yang lengkap, sensitif terhadap outlier dan hasil klasifikasi hasilnya kurang maksimal. Karena itu perlu metode analisis dengan akurasi klasifikasi yang baik. Metode jaringan saraf tiruan merupakan metode yang dapat digunakan untuk klasifikasi dengan akurasi yang baik. Tujuan dari penelitian ini adalah untuk mengetahui arsitektur jaringan saraf yang maksimal dan mengetahui besarnya kemampuan jaringan syaraf tiruan dalam mengklasifikasikan data. Berdasarkan hasil penelitian dengan menggunakan jaringan syaraf tiruan dengan metode backpropagation pelatihan data diperoleh hasil yang maksimal. Arsitektur jaringan saraf yang diperoleh, terdiri dari 1 input layer dengan 7 node, 1 hidden layer dengan 10 node, dan 1 output layer dengan 1 node. Arsitektur jaringan menghasilkan akurasi klasifikasi dengan nilai MSE dari 2.7619e-005 dicapai pada epoch 11 dengan parameter tingkat belajar yang digunakan dalam 0.25, dan kesalahan target 0,0001. Hasil ini menunjukkan bahwa 100 % tidak ada objek data yang salah dalam mengklasifikasikan data dapat diklasifikasikan dengan benar. Pengujian dilakukan dengan jaringan data baru yang menghasilkan nilai MSE 6.9275e-005 dicapai pada epoch 6 dan 100% dari data dapat dikenali dengan baik.

Kata kunci: jaringan syaraf tiruan, backpropagation, faktor yang mempengaruhi TBC paru.

 

ABSTRACT

One method of classification is often used is discriminant analysis and logistic regression. In the discriminant analysis are the assumptions that must be met by the data, and not all data can meet the assumption. While logistic regression requires complete data, sensitive to outliers and the results of the classification be the probability that the outcome less than the maximum. Because we need analytical methods with good classification accuracy. Artificial neural network method is a method that can be used for classification with good accuracy. The purpose of this research was to determine architecture neural network that the maximum and know the size of the ability of artificial neural networks in classifying data. Based on the results of research using neural networks with backpropagation method of training data obtained maximum results. The architecture neural network that is obtained, consisting of 1 input layer with 7 nodes, 1 hidden layer with 10 nodes, and 1 output layer with 1 node. That architecture resulted in classification accuracy with MSE values of 2.7619e-005 is reached at epoch 11 with learning rate parameters used in 0.25, and the target error 0.0001. These results indicate that no data object is wrong in classifying 100% of objects can be classified correctly. Tests carried out with the new data network that produces MSE value of 6.9275e-005 achieved at 6 epochs and 100% of data can be recognized with appropriate data classification target.

Keywords: artificial neural network, backpropagation, factors affecting pulmonary TBC.