proposal skripsi bab 1-3
TRANSCRIPT
-
8/18/2019 Proposal Skripsi Bab 1-3
1/72
SISTEM PAKAR DIAGNOSA PENYAKITDIABETES MELLITUS MENGGUNAKAN
METODE DIFFERENTIAL EVOLUTION FEED-FORWARD MULTI LAYER PERCEPTRON
SKRIPSI
Untuk memenuhi sebagian persyaratanmemperoleh gelar Sarjana Komputer
Disusun oleh: Tusty Nadia MaghfraNIM: 1!1!"#""111"$!
%&'(&)M STUDI IN*'&M)TIK) + I,MU K'M%UT-&%&'(&)M T-KN','(I IN*'&M)SI D)N I,MU K'M%UT-&
UNI.-&SIT)S /&)0I)2)M),)N(
#"13
-
8/18/2019 Proposal Skripsi Bab 1-3
2/72
PENGESAHAN
UDU, SK&I%SI
SK&I%SI
Diajukan untuk memenuhi sebagian persyaratanmemperoleh gelar Sarjana Komputer
Disusun 'leh : Tusty Nadia Maghfra
NIM: 1!1!"#""111"$!
Skripsi ini telah diuji dan dinyatakan lulus pada# anuari #"1!
Telah diperiksa dan disetujui oleh:
Dosen %embimbing I
Nama Dosen %embimbing INIK: 1#4!35$6
+7jika terdapat NIK saja7+
Dosen %embimbing II
Nama Dosen %embimbing IINIK: 8
+7jika tidak terdapat NI%9 NIK9atau keduanya7+
MengetahuiKetua %rogram Studi Nama%rogramStudi
Nama Ketua %rogram StudiNI%: 1#4!35$6
+7jika terdapat NI%7+
#
-
8/18/2019 Proposal Skripsi Bab 1-3
3/72
PERNYATAAN ORISINALITAS
Saya menyatakan dengan sebenar8benarnya baha sepanjangpengetahuan saya9 di dalam naskah skripsi ini tidak terdapat
karya ilmiah yang pernah diajukan oleh orang lain untuk
memperoleh gelar akademik di suatu perguruan tinggi9 dan
tidak terdapat karya atau pendapat yang pernah ditulis atau
diterbitkan oleh orang lain9 ke;uali yang se;ara tertulis disitasi
dalam naskah ini dan disebutkan dalam dasarjana? dibatalkan9 serta diproses sesuai dengan peraturan
perundang8undangan yang berlaku >UU No= #" Tahun #""9 %asal
#! ayat # dan %asal 5"?=
Malang9 1 anuari #"1!
Tusty Nadia Maghfra
NIM:1!1!"#""111"$!
-
8/18/2019 Proposal Skripsi Bab 1-3
4/72
KATA PENGANTAR
/agian ini memuat pernyataan resmi untuk menyampaikanrasa terima kasih penulis kepada berbagai pihak yang telah
membantu penyelesaian skripsi ini= Nama8nama penerima
u;apan terima kasih sebaiknya dituliskan lengkap9 termasuk
gelar akademik9 dan pihak8pihak yang tidak terkait dihindari
untuk dituliskan= /ahasa yang digunakan seharusnya mengikuti
kaidah bahasa Indonesia yang baku= Kata pengantar boleh
diakhiri dengan paragra< yang menyatakan baha penulis
menerima kritik dan saran untuk pengembangan penelitian
selanjutnya= Terakhir9 kata pengantar ditutup denganmen;antumkan kota dan tanggal penulisan kata pengantar9 lalu
diikuti dengan kata @%enulisA=
Malang9 1 anuari #"1!
%enulis
tustynadiaBgmail=;om
4
-
8/18/2019 Proposal Skripsi Bab 1-3
5/72
-
8/18/2019 Proposal Skripsi Bab 1-3
6/72
ABSTRACT
The absra;t o< your skripsi in -nglish is ritten here=
3
-
8/18/2019 Proposal Skripsi Bab 1-3
7/72
-
8/18/2019 Proposal Skripsi Bab 1-3
8/72
DAFTAR TABEL
Tabel #=1 %embentukan bilangan random untuk Indeks Masa Tubuh >IMT?===================================================================================$
Tabel #=# Fontoh tabel #===============================================================6
$
-
8/18/2019 Proposal Skripsi Bab 1-3
9/72
DAFTAR GAMBAR
(ambar #=1 %engaruh nilai K terhadap akurasi===========================11
6
-
8/18/2019 Proposal Skripsi Bab 1-3
10/72
-
8/18/2019 Proposal Skripsi Bab 1-3
11/72
BAB 1 PENDAHULUAN
1.1 Latar bea!a"#%enyakit Diabetes Mellitus merupakan penyakit gangguan
metabolisme dimana pankreas tidak dapat memproduksi
insulin atau tubuh tidak dapat menggunakan insulin dengan
baik >Mohammed dalam Temurtas9 #""6?= Insulin merupakan
hormon yang berSumadei dalam %angaribuan9 #"14?=%enyakit Diabetes digolongkan menjadi yaitu tipe 19 tipe #
dan gestasional= Diabetes tipe 1 yaitu keadaan dimana
pankreas tidak dapat memproduksi insulin9 sedangkan tipe #
adalah keadaan dimana pankreas memproduksi insulin
namun tubuh tidak dapat menggunakan insulin tersebut
untuk menjaga tingkat gula darah dan tipe gestasional
adalah keadaan tingginya gula darah pada anita saat hamil
>Thirugnanam9 #"1#?= Menurut 0E' pada penelitian Nai8arun
>#"1!? penderita terbanyak berdasarkan jenis kelamin adalahpada anita dan berdasarkan kondisi badan adalah orang
dengan obesitas= %enyakit ini jika tidak segera terdiagnosa
dan ditangani akan menyebabkan terjadi komplikasi
kerusakan berbagai sistem tubuh termasuk syara< dan
pembuluh darah sehingga mengakibatkan penderita
mengidap penyakit serius lainnya seperti kebutaan9 serangan
jantung9 gagal ginjal9 dan stroke >%angaribuan >#"14?9
Temurtas >#""6??= 'leh karena itulah9 penyakit Diabetes
Mellitus disebut sebagai silent killer dan dikenal sebagai
penyakit yang memiliki jumlah kematian penderita tinggi di
dunia baik di negara yang masih berkembang maupun
negara maju >Nathan dan Eu dalam 0ang9 #"1?=
Kasus penyakit Diabetes Mellitus di Indonesia dari tahun
ke tahun mengalami peningkatan9 hal tersebut dibuktikan
dengan laporan 0E' pada penelitian %angaribuan >#"14?
11
-
8/18/2019 Proposal Skripsi Bab 1-3
12/72
baha Indonesia berada pada posisi 4 tertinggi untuk
kategori negara dengan jumlah penderita Diabetes terbanyak
dengan jumlah penderita Diabetes tahun #""" adalah $=4
juta orang dengan posisi diikuti posisi pertama hingga ketiga
se;ara berturut8turut adalah India >1=5 juta?9 Fhina >#"=$ juta? dan )merika >15=5 juta?= Selain itu terdapat aan;ara
yang dilakukan oleh &iset Kesehatan Dasar >&iskesdas? tahun
#""5 dan #"1 untuk menghitung proporsi Diabetes Mellitus
pada proinsi8proinsi besar di Indonesia dengan sasaran
penduduk usia 1! tahun ke atas= %enderita dianggap
menderita penyakit Diabetes Mellitus jika telah dionis oleh
dokter menderita penyakit tersebut atau yang belum
didiagnosa dokter namun dalam 1 bulan terakhir mengalami
gejala penyakit ini9 seperti gejala sering lapar9 sering haus9
sering buang air ke;il dengan jumlah banyak dan berat
badan turun= Easil aan;ara menunjukkan baha proporsi
Diabetes Mellitus pada &iskesdas #"1 meningkat hampir
dua kali lipat dibandingkan tahun #""5= %ada tahun #""5
&iskesdas hanya memeriksa penduduk di perkotaan dan dari
responden yang diperiksa gula darahnya !=5 menderita
Diabetes Mellitus= Dari yang terdeteksi tersebut hanya #3=
yang telah terdiagnosis sebelumnya dan 5=5 sisanya tidak
terdiagnosis sebelumnya= Sedangkan pada &iskesdas #"1
dilakukan penelitian terhadap penduduk di perkotaan dan
pedesaan9 penderita Diabetes Mellitus mengalami
peningkatan menjadi 3=69 dengan "=4 telah terdiagnosis
sebelumnya dan 36=3 sisanya tidak terdiagnosis
sebelumnya= 0alaupun jumlah proporsi penderita Diabetes
Mellitus yang tidak terdiagnosis mengalami penurunan
namun jumlah tersebut masih tinggi dan jika tidak segera
dilakukan pemeriksaan lebih lanjut akan mengakibatkan
penyakit Diabetes semakin parah dan merambah menjadi
penyakit lain >komplikasi?=
%eningkatan jumlah penderita Diabetes Mellitus di
Indonesia terjadi dikarenakan banyak
-
8/18/2019 Proposal Skripsi Bab 1-3
13/72
tidak berusaha untuk men;ari solusi untuk mengatasinya dan
menganggap penyakit ini bukanlah penyakit yang serius
mematikan= Selain itu banyak penderita Diabetes yang tidak
mengetahui bagaimana langkah8langkah mengurangi risiko
berkembangnya penyakit ini terutama pada penderitaDiabetes yang tinggal di pedesaan= Eal tersebut diperparah
dengan terbatasnya ahli penyakit diabetes di pedesaan serta
kurangnya pengetahuan tenaga medis terhadap penanganan
Diabetes seperti pengukuran glukosa darah dan monitoring
rutin sehingga mengakibatkan keterlambatan diagnosa
penyakit >0ang9 #"1?= Selain itu dari pengamatan Noo
Nordisk9 Indonesia akan mengalami peningkatan jumlah
penduduk yang urbanisasi dari desa ke kota= Eal tersebut
akan berdampak pada gaya hidup yang kurang sehat seperti
kurang olahraga dan asupan konsumsi makanan yang kurang
sehat= Easil tersebut juga didukung dengan penelitian yang
dilakukan oleh Darmono dalam %angaribuan >#"14? yang
mengemukakan baha pada tahun #"" Indonesia akan
memiliki penderita Diabetes sejumlah #1= juta jia= Mereka
mengemukakan baha tingginya angka tersebut dikarenakan
terlambatnya diagnosa penyakit Diabetes=
'leh karena itu9 untuk mengatasi masalah tersebut
diperlukan diagnosa diabetes dini untuk membantu kinerjamedis= Selama beberapa tahun terakhir9 teknologi komputer
;erdas otomatis banyak digunakan untuk membantu dokter
dan tenaga medis dalam melakukan diagnosa penyakit
se;ara akurat dan lebih ;epat >-rkaymaJ9 #"13?= /anyak
ilmuan yang berlomba8lomba melakukan penelitian untuk
mengatasi permasalahan Diabetes yaitu dengan ;ara
membuat suatu sistem peramalan diagnosa apakah
seseorang mengidap penyakit Diabetes atau tidak=
Sebelumnya banyak peneliti yang menggunakan metoderegresi dan statistika konensional namun metode tersebut
mulai ditinggalkan karena memiliki kekurangan yaitu tidak
dapat mengatasi masalah non8linier dan data saat ini yang
lebih kompleks >Myoung8ong9 #"1"?= /anyak sistem
peramalan diagnosa penyakit Diabetes yang diajukan beralih
menggunakan metode Data Mining= Data Mining adalah
metode pendekatan untuk men;ari dan menemukan pola1
-
8/18/2019 Proposal Skripsi Bab 1-3
14/72
pengetahuan dari data berukuran besar dengan
menggabungkan teknik machine learning, database,
statistika dan ke;erdasan buatan9 metode pendekatan ini
dipilih karena dapat melakukan peramalan se;ara lebih
e-,M?= Data yang digunakan pada penelitian ini
didapatkan dari UFI &epository= Easil dari penelitian ini
menunjukkan baha peramalan memberikan hasil terbaik
dengan nilai error rate MS- untuk keseluruh data tes -,M
adalah "=4"3=
Selain itu terdapat juga penggunaan *eed8*orard Multi8
,ayer Neural Netork oleh Nguyen >#""3? untuk mendeteksi
kasus Eipoglikemia >rendahnya gula darah? pada anak
dengan memantau respon fsiologi tubuh= Easil per;obaan
yang dilakukan menunjukkan baha alat yang merekakembangkan untuk menghitung respon fsiologi yang disebut
EypoMon >Eypogli;emia Monitor? dapat mendeteksi se;ara
eEsiao8Esien9
#"13? dengan membandingkan kinerja metode )NN dengan
,& >,ogisti; &egression?9 S.M9 dan De;ision Tree= Easil
terbaik didapatkan dengan metode )NN dengan akurasi
prediksi $=5=Selain menunjukkan hasil terbaik pada permasalahan
diagnosa penyakit Diabetes9 metode )NN juga memberikan
hasil terbaik pada permasalahan ekonomi seperti prediksi
kebangkrutan dan ealuasi peminjaman kredit pada bank=
Salah satu penelitian terhadap prediksi kebangkrutan bank
dengan membandingkan metode )NN >Multi Layer
14
-
8/18/2019 Proposal Skripsi Bab 1-3
15/72
Perceptron, Competitive Learning, Self Organizing Map dan
Learning Vector uantization? dengan Multivariate Statistical
>multivariate discriminant analysis, !"means Cluster #nalysis,
Logistic $egression #nalysis% dan S.M9 hasil terbaik pada
data latih dan data tes didapatkan dengan menggunakanmetode )NN dengan akurasi 1"" pada data latih
ditunjukkan dengan model M,% dan pada data tes dengan
model ,. >);ar9 #""6?= Selain itu M,% juga memberikan
hasil terbaiknya pada penelitian penyusunan desain optimasi
si&N) dengan model alidasi9 masing8masing memberikan
hasil terbaik yaitu korelasi antara ramalan dengan
eksperimen pada dataset 1 "=366 dan dataset # "=3"39 nilai
MFF sebesar "=!# dan akurasi prediksi "=539 serta nilai
sensitivity dan speci&city sebesar "=36 dan "=$ >Murali9
#"1!?=
%eneliti8peneliti dalam menggunakan metode )rtif;ial
Neural Netork seringkali menggabungkannya dengan
metode lain untuk mendapatkan hasil yang lebih optimal=
Salah satunya yaitu menggabungkan metode )rtif;ial Neural
Netork dengan )lgoritma -olusi= %enelitian terhadap
prediksi kebangkrutan pada US banks9 Turkish banks dan
Spanish banks >Fhauhan9 #""6? dilakukan dengan
membandingkan metode 0aelet Neural Netork >0NN?9DiHerential -olution Trained 0aelet Neural Netork
>D-0NN? dan Threshold );;epting Trained 0aelet Neural
Netork >T)0NN?= Dengan menggunakan (arsonLs algorithm
untuk seleksi ftur dan metode 1"8
-
8/18/2019 Proposal Skripsi Bab 1-3
16/72
masyarakat di daerah pedesaan= Selain itu penggunaan
metode hybrid ini diharapkan dapat menghasilkan akurasi
diagnosa penyakit Diabetes Mellitus yang lebih baik
dibandingkan penelitian8penelitian sebelumnya=
1.$ R%&%'a" &a'aa(
Dengan latar belakang yang sudah dipaparkan diatas9
diperoleh rumusan masalah sebagai pedoman dalam
penelitian sebagai berikut:
1= /agaimana penerapan metode DiHerential -olution *eed8*orard Multi ,ayer %er;eptron pada diagnosapenyakit Diabetes Mellitus
#= /agaimana hasil pengujian akurasi dan error rate darimetode DiHerential -olution *eed8*orard Multi
,ayer %er;eptron pada diagnosa penyakit DiabetesMellitus
1.) T%*%a"
%enelitian ini memiliki tujuan pen;apaian diantaranya:
1= Menerapkan metode *eed8*orard Multi ,ayer
%er;eptron dengan optimasi DiHerential -olution
untuk diagnosa penyakit Diabetes Mellitus pada
studi kasus penduduk di kabupaten Malang=
#= Menguji akurasi dan error rate dalam menerapkan
metode *eed8*orard Multi ,ayer %er;eptron
dengan optimasi DiHerential -olution untuk
diagnosa penyakit Diabetes Mellitus pada studi
kasus penduduk di kabupaten Malang=
= Mendapatkan hasil diagnosa penyakit Diabetes
Mellitus yang tepat dan memiliki nilai akurasi
tinggi dengan menggunakan metode *eed8*orard
Multi ,ayer %er;eptron dengan optimasi DiHerential
-olution=
1.+ Ma",aat
Man
-
8/18/2019 Proposal Skripsi Bab 1-3
17/72
Diharapkan hasil penelitian ini dapat membantu dokter
dalam mengambil keputusan untuk penanganan dan
peraatan terhadap penderita Diabetes Mellitus sehingga
penyakit Diabetes Mellitus pada penderita dapat terkontrol
dan tidak mengakibatkan terjadinya komplikasi penyakityang lebih berat=
1. Bata'a" &a'aa(
%ada bagian ini berisi batasan8batasan masalah yang
diterapkan pada penelitian9 antara lain yaitu:
1= Data yang digunakan diperoleh dari UFI Machine
Learning $epository =
#= Data latih yang digunakan adalah Pima 'ndians
(iabetes (ata Set =
= Data pasien yang digunakan berjumlah 53$ jia
dengan pembagian untuk data training dan data
testing=
4= Menggunakan metode *eed8*orard Multi ,ayer
%er;eptron dengan optimasi DiHerential -olution=
1. S/'te&at/!a 0e&ba(a'a"Dalam penyusunan skripsi ini terdapat penulisan yang
terstruktur sebagai berikut:
BAB 1 PENDAHULUAN
Menguraikan masalah umum terkait dengan penelitianyang bersistematis dan berkesinambungan= %enulisandimulai dari latar belakang9 rumusan masalah9 tujuan9man
-
8/18/2019 Proposal Skripsi Bab 1-3
18/72
Membahas tentang peran;angan sistem yang akandibangun dalam implementasi metode *eed8*orard Multi,ayer %er;eptron dengan optimasi DiHerential -olutionuntuk diagnosa penyakit Diabetes Mellitus= Sepertiperan;angan tampilan9 algoritma dan alur program sistem
yang akan diimplementasikan=BAB IMPLEMENTASI
Membahas tentang implementasi sistem dari hasilperan;angan sistem yang telah dilakukan9 sepertimengimplementasikan desain algoritma menggunakanbahasa pemrograman berdasarkan peran;angan sistemsebelumnya=
BAB PENGUIAN
Menguraikan tentang pengujian
-
8/18/2019 Proposal Skripsi Bab 1-3
19/72
BAB $ LANDASAN KEPUSTAKAAN
/ab landasan kepustakaan terdiri dari kajian pustaka dan
dasar teori= ,andasan Kepustakaan dalam penelitian inimembandingkan penelitian yang sudah ada dengan penelitian
yang akan diusulkan= Dasar teori membahas dasar teori yang
diperlukan dalam penelitian yang akan diusulkan= Dasar teori
penunjang antara lain Diabetes9 Sistem %akar9 #rti&cial )eural
)et*ork 9 )lgoritma -olusi9 dan )kurasi Easil %engujian=
$.1 Ka*/a" P%'ta!a
Kajian pustaka pada penelitian ini akan membahas tentang
penelitian8penelitian sebelumnya yang bertujuan untukmengetahui kelebihan dan kelemahannya sehingga dapat
menjadi retrue positive? dan speci&city >true negative? "=414#
>Nguyen9 #""3?=
%ada tahun #""6 terdapat penelitian sistem pakar diagnosa
diabetes yang dilakukan oleh Temurtas= %ada penelitian ini
dilakukan dengan menggunakan metode multilayer neural
net*ork yang dilatih dengan algoritma Levenberg"Maruardt
>,M? dan probabilistic neural net*ork = Data yang digunakan pada
penelitian ini adalah data Pima 'ndian (iabetes didapatkan dari
UFI machine learning database, data tersebut terbagi menjadi #
1
-
8/18/2019 Proposal Skripsi Bab 1-3
20/72
kelompok yaitu normal dan Pima 'ndian dengan diabetes= Dari
sampel data tersebut terdapat $ ftur yaitu jumlah kehamilan9
konsentrasi plasma glukosa9 tekanan diastol darah9 ketebalan
lipatan kulit trisep9 #8h serum insulin9 indeks massa tubuh9diabetes predigree function9 dan usia= Easil akurasi dari
penelitian ini menggunakan M,NN8,M dengan alidasi
konensional yaitu $#=5 dan untuk %NN adalah 5$=1 sedangkan
M,NN8,M dengan 1" G *F yaitu 56=3# dan %NN dengan 1" G *F
5$="! >Temurtas9 #""6?=
%enelitian oleh );ar pada tahun #""6 dengan topik
penelitian sistem pakar prediksi kebangkrutan fnansial bank di
Turki= %enelitian dilakukan dengan menggunakan beberapa
metode antara lain #rti&cial )eural )et*ork >Multi Layer Perceptron, Competitive Learning, Self Organizing Map dan
Learning Vector uantization?9 Support Vector Machine >S.M?9
dan Multivariate Statistical >Multivariate (iscriminant #nalysis, !"
means Cluster #nalysis, Logistic $egression #nalysis%= Masukan
dari penelitian ini yaitu #" rasio fnansial dengan 3 kelompok ftur
meliputi capital adeuacy, asset uality, management uality,
earnings, liuidity, dan sensitivity = Easil akurasi dari penelitian ini
pada proses latih untuk M,%9 F,9 S'M9 ,.9 S.M9 MD)9 F)9 dan
,&) se;ara berturut8turut yaitu 1""9 !$=149 !$=149 $=5#9
6=49 $$=59 $3="49 $3="4= Sedangkan hasil akurasi
untuk data tes dengan M,%9 F,9 S'M9 ,.9 S.M9 MD)9 F)9 dan
,&) se;ara berturut8turut yaitu 6!=!"9 3$=1$9 3=39 1""9
6"=6"9 3$=1$9 $1=$19 $1=$1 >);ar9 #""6?=
%ada tahun #""6 terdapat penelitian yang dilakukan oleh
Mosta
-
8/18/2019 Proposal Skripsi Bab 1-3
21/72
D-) )NN terbukti dapat digunakan untuk menentukan efsiensi
bank >Mosta0NN?
dilatih dengan metode (i/erential -volution #lgorithm >D-?=
Selain itu sebagai perbandingan digunakan juga metode 0NN
murni dan 0hreshold #ccepting 0rained .avelet )eural )et*ork
>T)0NN?= Data yang digunakan pada per;obaan ini yaitu
himpunan data bank yang bangkrut meliputi 1+S+ banks, 0urkish
banks, Spanish banks dan untuk perbandingan juga dilakukan
pada data 'ris, .ine, dan .isconsin 2reast Cancer = Easil akurasi
rata8rata dari per;obaan ini pada data 0urkish banks untukmetode D-0NN9 0NN dan T)0NN se;ara berturut8turut yaitu
6!9 6! dan 1""9 sedangkan nilai sensitivity nya masing8
masing bernilai 1""9 dan nilai speci&city nya se;ara berturut8
turut yaitu 6!9 6! dan 1""= %ada data Spanish banks untuk
akurasi rata8rata metode D-0NN9 0NN9 dan T)0NN se;ara
berturut8turut yaitu $6=669 $3=359 $$=9 sedangkan nilai
sensitivity se;ara berturut8turut yaitu 61=339 $6=359 56=33 9
dan untuk nilai speci&city se;ara berturut8turut adalah 69
$19 dan 6"=!= %ada data 1+S+ banks metode D-0NN9 0NN9
dan T)0NN se;ara berturut8turut adalah 6=9 $!=$9
6"=$9 untuk nilai sensitivity se;ara berturut8turut adalah
65=#9 $!=$#9 6"=439 sedangkan untuk nilai speci&city
se;ara berturut8turut adalah $6=5$9 $5=!9 61=!4= Selain itu
pada per;obaan data 0urkish banks dan Spanish banks dengan
pengurangan ftur didapatkan hasil yaitu untuk data 0urkish
banks menggunakan metode D-0NN9 0NN dan T)0NN se;ara
berturut8turut memiliki hasil rata8rata 6"9 6"9 dan 65=!9
untuk nilai sensitivity nya 1""9 1""9 dan 65=!9 sedangkan
untuk nilai speci&city nya $"9 $1=359 dan 1""= %ada data
Spanish banks nilai rata8rata akurasi menggunakan metode
D-0NN9 0NN dan T)0NN se;ara berturut8turut yaitu $$=9
$3=359 dan $$=9 untuk nilai sensitivity nya yaitu 64=139
56=!9 dan 6#=159 sedangkan untuk nilai speci&city nya yaitu
$39 1""9 dan 61= Dari hasil penelitian tersebut dapat
disimpulkan D-0NN paling unggul dibandingkan metode 0NN
dan T)0NN >Fhauhan9 #""6?=
-
8/18/2019 Proposal Skripsi Bab 1-3
22/72
%ada tahun #"1" terdapat penelitian yang dilakukan
Khashman dengan penyusunan sistem pakar untuk ealuasi
risiko kredit pada bank menggunakan metode Supervised )eural
)et*orks dilatih dengan algoritma back propagation= Data yangdigunakan dalam penelitian ini adalah data aplikasi kredit erman
yang memiliki 1""" kasus dengan setiap kasus memiliki atribut
asli berjumlah #" atribut dan menjadi #4 atribut setelah
ditambah dengan beberapa ariabel indikator= %enelitian ini
menggunakan 6 pola latih yang berbeda dengan menggunakan
model neural net*ork yang berbeda berdasarkan jumlah lapisan
hidden nya dan rasio jumlah data latih dan data tes yang
berbeda8beda= Dari #5 hasil per;obaan yang ada didapatkan
hasil terbaik sejumlah data yang memenuhi kriteria ealuasi=%ertama9 implementasi dengan model )NN8# pada ,S4 >rasio
4"":3""? memenuhi kedua kriteria dengan jumlah iterasi 1$=3!#
yang menutupi nilai eror "=""$= Kedua9 implementasi dengan
model )NN81 pada ,S! >rasio !"":!""? juga memenuhi kedua
kriteria dengan jumlah iterasi 16=#3= Ketiga9 implementasi
menggunakan model )NN8 pada ,S3 >rasio 3"":4""? yang
mendekati memenuhi kedua kriteria dengan membutuhkan
#!""" iterasi untuk menutupi nilai eror "=""$!1= Easil akurasi
training dan testing pada )NN se;ara berturut8turut adalah66=#! dan 5=15 dan nilai akurasi keseluruhan adalah $=39
aktu per;obaan training diselesaikan dalam 1$4 s dan aktu
untuk pembuatan keputusan yaitu !=15 G 1"8! s >Khashman9
#"1"?=
%ada tahun #"1" juga terdapat penelitian oleh Myoung8
ong mengenai prediksi kebangkrutan menggunakan metode
)NN yang dioptimasi dengan menggunakan metode ensemble
yaitu 2agging dan 2oosting+ Data yang digunakan pada studi ini
didapatkan dari sebuah bank komersial di Korea dengan dataset
terdiri dari 14!$ frma manu
-
8/18/2019 Proposal Skripsi Bab 1-3
23/72
penelitian ini pada metode NN data training dan data testing
se;ara berturut8turut yaitu 54=$" dan 51="#= Easil rata8rata
akurasi pada metode 2oosted NN data training dan data testing
se;ara berturut8turut yaitu 5!=5" dan 5!=1"= Sedangkan pada ujimetode 2agged NN memberikan hasil data training dan data
testing se;ara berturut8turut yaitu 53=45 dan 5!=65= Selain
menentukan akurasi9 dihitung juga prediksi error rate pada ketiga
metode ini dengan topologi yang berbeda serta pada tiap
metode prediksi error rate nya dibagi menjadi se;ara
keseluruhan9 tipe 19 dan tipe #= %ada metode NN nilai rata8rata
error rate nya se;ara keseluruhan9 tipe 1 dan tipe # se;ara
berturut8turut yaitu #$=649 #=#9 dan 4=!!= Sedangkan
pada metode 2oosted NN nilai rata8rata error rate nya se;arakeseluruhan9 tipe 1 dan tipe # se;ara berturut8turut yaitu
#4=6"9 15=$69 dan 1=61= dan pada metode 2agged NN nilai
rata8rata error rate nya se;ara keseluruhan9 tipe 1 dan tipe #
se;ara berturut8turut yaitu #4="9 15=#9 dan "=$=
berdasarkan hasil akurasi nilai error rate dapat diambil
kesimpulan baha penggunaan optimasi metode 2agging dan
2oosting pada NN menunjukkan hasil yang lebih akurat
dibandingkan dengan NN >Myoung8ong9 #"1"?=
%ada tahun #"119 )bu8-lanien melakukan penelitian
terhadap penentuan kondisi trans**)NN?= Data yang
digunakan pada penelitian ini diambil dari sistem industri sebuah
industri instalasi di Timur Tengah= Input yang digunakan antara
lain air9 keasaman9 break do*n voltage >/D.?9 hydrogen >E#?9
metana >FE4?9 etilen >F#E4?9 )setilen >F#E#?9 F#E39 kandungan
-
8/18/2019 Proposal Skripsi Bab 1-3
24/72
%ada tahun #"1# Thirugnanam melakukan penelitian
terhadap diagnosis diabetes menggunakan pendekatan metode
gabungan >*FN? meliputi 3uzzy 9 )eural )et*ork dan Case 2ased
$easoning+ Data yang digunakan pada penelitian ini diperolehdari surey dengan isian meliputi jenis usia9 kelamin9 inThirugnanam9 #"1#?=
%ada tahun #"1# Karan melakukan penelitian yang sama
terhadap diagnosa diabetes menggunakan metode three"layered
Multilayer Perceptron >M,%? feed"for*ard neural net*ork yang
dilatih dengan algoritma error back propagation= %enyusunan
sistem ini berbasis %D)= Dataset yang digunakan untuk proses
training adalah 4!3 data dengan ##$ diantaranya berasal dari
data orang dengan kesehatan normal= Masukan pada penelitian
ini yaitu umur9 aktiitas fsik >ya+tidak?9 kehamilan9 diabetes pada
keluarga9 indeks massa tubuh9 ketebalan lipatan kulit9 kolesterol9
tekanan darah diastol9 #8h serum insulin9 diabetes pedigree,
konsentrasi glukosa plasma= %roses training dilakukan beberapa
kali dengan jumlah iterasi dimulai dari 1""" kali9 #"""9 """9
4"""9 !"""9 3"""9 dan berakhir pada 5"""= %ada hasil uji;oba
pertama dengan iterasi 1""" kali menunjukkan nilai minimum
eror di;apai dengan nilai learning rate dan momentum se;ara
berturut8turut "=5! dan "=#!= %ada tes kedua9 dengan #"""
iterasi dilakukan dengan momentum dan learning rate yang
berbeda= Easil tes kedua menunjukkan baha eror minimum
terjadi dengan learning rate dan momentum se;ara berturut8
turut "=6! dan "="!= %ada tes ketiga9 nilai paling ke;il dari total
nilai eror adalah #=116 terjadi pada learning rate bernilai "=$!
dan momentum "=#!= Easil keempat menunjukkan nilai minimum
3
-
8/18/2019 Proposal Skripsi Bab 1-3
25/72
eror adalah #="$3 pada learning rate "=6! dan momentum "=1!=
Iterasi yang terakhir digunakan adalah !""" iterasi9 karena dari
hasil iterasi 3""" dan 5""" tidak menunjukkan perubahan yang
signifkan= %ada per;obaan dengan !""" iterasi menunjukkan jumlah eror minimum adalah 1=14# eror dengan learning rate
"=6! dan momentum "="!= Easil yang didapatkan menunjukkan
akurasi yang kompetitiKaran9 #"1#?=
%ada tahun #"1# ShihFhung melakukan penelitian
terhadap deteksi benjolan ke;il pada paru8paru denganmenggunakan teknik jaringan syara< tiruan isual yang disebut
Convolution )eural )et*ork >FNN? double matching dengan
optimasi pembobotan back propagation= Data yang digunakan
pada penelitian ini yaitu hasil image radiologi bagian dada untuk
selanjutnya dilakukan deteksi benjolan ke;il tersebut termasuk
penyakit atau e
-
8/18/2019 Proposal Skripsi Bab 1-3
26/72
%ada tahun #"1 penelitian terhadap risiko diabetes
mellitus tipe # juga dilakukan oleh 0ang dengan menggunakan
metode perbandingan antara arti&cial neural net*ork >)NN? dan
multivariate regression >M,&?= Data yang digunakan padapenelitian ini yaitu didapat dari hasil surei pada daerah
pedesaan di proinsi Eenan= %artisipan berumur !854 tahun=
Didapatkan hasil $34" subjek data yang digunakan pada studi ini
dengan menge;ualikan data penduduk yang memiliki kondisi
berikut ini: kelainan psikologi9 ;a;at fsik9 kanker9 penyakit ginjal
kronis9 penyakit #lzheimer 9 dimensia selama 3 bulan9 )IDS dan
penyakit menular lain= Selain itu data dengan missing value juga
dihilangkan= Easil dari penelitian ini yaitu tingkat pemerataan
T#DM adalah $=33 >nO!31? dan 6=#1 >nO166? pada trainingdan alidasi se;ara berturut8turut= Untuk model )NN9 sensitiitas9
kekhususan9 nilai predikti< positi< dan negatie untuk identifkasi
T#DM se;ara berurutan adalah $3=69 56=149 1=$39 dan
6$=1$9 sedangkan model M,& hanya 3"=$"9 5!=4$9 #1=5$9
dan 64=!#= Nilai area dibaah kura &'F untuk identifkasi
T#DM dengan menggunakan model )NN adalah "=$619
menunjukkan kinerja predikti< yang lebih akurat dibandingkan
dengan model M,& >)UFO"=544? >%O"="""1? >0ang9 #"1?=
%enelitian selanjutnya menggunakan metode #rti&cial
)eural )et*ork >)NN? yang digabungkan dengan metode MD)9
,&9 F&T9 dan )da/oost diteliti oleh *edoroa pada tahun #"1
pada kasus prediksi kebangkrutan perusahaan manu
-
8/18/2019 Proposal Skripsi Bab 1-3
27/72
pada penggunaan metode )NN gabungan dengan algoritma
pembelajaran lain yaitu $$=$ >*edoroa9 #"1?=
%enelitian pada tahun yang sama dilakukan oleh uma
terhadap permasalahan ealuasi aplikasi kredit bank komersialKenya dengan menggunakan metode )NN dengan optimasi
backpropagation= Data yang digunakan sebagai inputan disini
ada $ data yaitu: current ratio, liuidity ratio, creditor days,
interest cover, collection period, stock turnover, gross gearing
ratio, pro&ts+ Easil penelitian ini dari ! kali per;obaan pada
proses training dan ! kali proses testing9 peneliti menetapkan
baha 66 dapat memberikan hasil yang serupa dengan yang
diberikan oleh manusia setelah ealuasi peminjaman=
%ada tahun #"14 terdapat penelitian oleh Shen terhadap
masalah uality Control kuantitati< big data pada pasien kanker
menggunakan metode arti&cial neural net*ork >)NN?= Data yang
digunakan pada penelitian ini yaitu data rekam medis dari pasien
kanker di rumah sakit Fhina= Easil dari penelitian dengan
mengimplementasikan big data dan )NN9 peneliti dapat
menghasilkan metode F yang baik untuk meningkatkan
peraatan kanker dengan radioterapi dan kemoterapi=
%ada tahun yang sama terdapat penelitian oleh%angaribuan terhadap diagnosis Diabetes Mellitus menggunakan
feed for*ard neural net*ork -4treme Learning Machine >-,M?=
Data yang digunakan pada penelitian ini didapatkan dari UFI
$epository yang terdiri dari populasi anita umur #1 tahun dan
tinggal di %hoeniG9 )riJona dengan jumlah data 53$ orang yang
dibagi menjadi data training dan data testing= Easil rata8rata
akurasi penelitian ini menggunakan metode -,M pada data
training dan data testing se;ara berturut8turut yaitu "=35 mse
dan "=6 mse= Sedangkan menggunakan metode
backpropagation pada data training dan data testing se;ara
berturut8turut yaitu "=411 mse dan "=$4# mse= Nilai error rate
MS- keseluruhan untuk data testing -,M adalah "=4"3 dan pada
metode backpropagation adalah "=64#! >%angaribuan9 #"14?=
Kumar melakukan penelitian yang sama terhadap diagnosa
diabetes pada tahun #"14 menggunakan metode ant colony
optimized neural net*ork+ Data yang digunakan pada penelitian
ini didapatkan dari UFI machine learning repository dengan $
6
-
8/18/2019 Proposal Skripsi Bab 1-3
28/72
atribut ditambah atribut kelas dalam dataset+ )tribut tersebut
antara lain pregnancy freuency, plasma glucose test, diastolic
2P, thickness of 0ricep7s skin, serum insulin of t*o hours, body
mass inde4, diabetes predigree function, age, dan class variable+Easil akurasi dan jumlah eror disajikan dalam bentuk tabel
batang= Se;ara berturut8turut hasil akurasi penelitian )F'8NN
menggunakan feature selection lebih besar dibandingkan pada
)F'8NN tanpa feature selection dan untuk jumlah eror pada
)F'8NN menggunakan feature selection lebih ke;il dibandingkan
)F'8NN tanpa feature selection+ Easil dari penelitian ini akurasi
lebih tinggi didapatkan pada )F' NN dengan feature selection
dengan dibuktikan oleh tingkat eror yang lebih rendah dari
metode yang tidak menggunakan feature selection= Easil daripenelitian ini akurasi lebih tinggi didapatkan pada )F' NN
dengan feature selection dengan dibuktikan oleh tingkat eror
yang lebih rendah dari metode yang tidak menggunakan feature
selection= %eningkatan pada akurasi dapat digunakan untuk
sistem pendukung keputusan pada bidang kesehatan karena
data nya yang sensitie dan membutuhkan pemrosesan yang
real time= >Kumar9 #"14?=
%ada tahun #"1! &ather melakukan penelitian
menggunakan $ecurrent )eural )et*ork 9 selain itu juga
membandingkan penggunaan metode tersebut dengan model
5ybrid Prediction Model >E%M? yang merupakan gabungan dari
metode linier dan non8linier meliputi $ecurrent )eural )et*ork
>&NN?9 -4ponential Smoothing >-S?9 dan #utoregressive Moving
#verage Model >)&M)? pada prediksi hasil inestasi saham= Data
yang digunakan pada penelitian ini adalah data asli saham
berjumlah 3 yang didapatkan dari National Sto;k -G;hange oNS-?9 data tersebut antara lain TFS9 /E-,9 0ipro9 )Gis
/ank9 Maruti9 Tata Steel= %enelitian ini memberikan beberapa
hasil per;obaan yaitu pada penelitian penggunaan model linier
)& dan -S9 nilai MS- dan M)- kedua model tinggi= Korelasi
antara target dan hasil yang diprediksi juga sangat rendah
sehingga dapat disimpulkan baha model prediksi linier ini tidak
memuaskan= Sedangkan pada model non8linier yaitu
menggunakan metode &NN memberikan hasil pada data training
dan data testing baha pada setiap saham nilai erornya rendah
dan memiliki korelasi koefsien antara target dan hasil yang
1"
-
8/18/2019 Proposal Skripsi Bab 1-3
29/72
diprediksi lebih tinggi= Kemudian dilakukan perbandingan lagi
menggunakan model &NN9 M,%9 dan E%M yang hasilnya disajikan
dalem tabel grafk dan diambil kesimpulan model &NN dan model
E%M dapat memprediksi terjadinya peningkatan tajam pada data>Puktuasi?9 sedangkan model M,% yang diuji tidak dapat
memprediksi peningkatan tajam se;ara mendadak= Selain itu
dilakukan perbandingan lagi kinerja model &NN dan E%M pada #!
saham9 Easil menunjukkan baha kinerja E%M melampaui &NN9
dengan minimnya eror dan korelasi tinggi antara hasil prediksi
dan target >&ather9 #"1!?=
%enelitian yang sama dilakukan pada bidang ekonomi pada
tahun #"1! juga dilakukan oleh Iturriaga menggunakan metode
kombinasi dari multilayer perceptrons >M,%? dan self"organizingmaps >S'M? pada permasalah prediksi dan isualisasi
kebangkrutan pada bank komersial U=S= Data yang digunakan
pada penelitian ini yaitu menggunakan data yang didapat dari
*ederal Deposit Insuran;e Forporation >*DIF?= %eneliti menyeleksi
sebanyak # ariabel yang berpotensial jelas untuk risiko
kebangkrutan= .ariabel ini diseleksi dengan mengadaptasi
kriteria untuk memperbaiki hasil dari model= &asio
dikelompokkan menjadi ! himpunan ariabel yang berbeda=
&asio 1814 mengukur pendapatan bank9 1!8#1 menaksir struktur
asset setiap bank9 ##8#! penelitian lebih dalam terhadap asset
dan menaksir portoM,%8S'M? dari model
tersebut maka akan menghasilkan hasil yang paling optimal
>Iturriaga9 #"1!?=
11
-
8/18/2019 Proposal Skripsi Bab 1-3
30/72
%ada tahun yang sama terdapat penelitian oleh Ee8/oong
menggunakan model data envelopment analysis >D-)? dan back
propagation neural net*ork >/%NN? untuk pemodelan produksi
t*o"stage seuential pada bank besar di U=S= Data yangdigunakan pada penelitian ini yaitu untuk lapisan input terdiri
dari employees, euity dan e4penses= Dan pada lapisan tengah
terdapat deposits, loans, dan investments= Dari hasil yang ada
menghasilkan diskusi yaitu model /%NN pertama memprediksi
efsiensi dari DMU dalam tahap pertama dengan menggunakan
tiga input dan tiga output= Model /%NN kemudian memprediksi
leel proft yang dibutuhkan setiap DMU untuk men;apai kinerja
targetnya9 juga memprediksi kenaikan proft diperlukan untuk
memperoleh leel kinerja yang diinginkan9 ;ontohnya padamodel /%NN pertama memprediksi efsiensi &/S yang ditandai
dengan proft negatie dari 9"""QUSM "=4!= Kemudian modul
/%NN kedua memprediksi kenaikan proft 46 >19"14 194$3?
untuk DMU men;apai 1+ >#+ ekuialen? dari kinerja tahap
pertama= %ada tabel menunjukkan kenaikan output sebanding
dengan kenaikan kinerja target pada DMU >Ee8/oong9 #"1!?=
%ada tahun #"1! juga dilakukan penelitian oleh Esiao8
Esien menggunakan metode prediksi arti&cial neural net*ork
>)NN? dan logistic regression >,&? pada masalah prediksi risiko
kanker hati pada penderita diabetes mellitus tipe #= Data yang
digunakan pada penelitian ini yaitu didapatkan dari )ational
5ealth 'nsurance $esearch (atabase >NEI&D? Taian9 yang
men;akup kira8kira ## juta orang= Dalam studi ini9 penulis
menyeleksi pasien yang baru didiagnosa dengan tipe II diabetes
selama periode #"""8#""9 dengan tidak ada diagnosa kanker
sebelumnya= Easil dari penelitian ini yaitu submodel 1 memiliki
sensitivity 9 speci&city yang terbaik= Untuk )UF submodel # dan
memiliki hasil yang lebih baik dari submodel 1= %ada submodel 1
hasil akurasi )NN lebih baik daripada ,&= Model )NN optimal
dihasilkan pada submodel 1 dengan memiliki #! lapisan input9 4
hidden dan # output >Esiao Esien9 #"1!?=
%ada tahun #"1! Nongyao melakukan penelitian terhadap
klasifer risiko prediksi diabetes dengan menggunakan metode
(ecision 0ree9 #rti&cial )eural )et*ork 9 Logistic $egression dan
)a8ve 2ayes lebih dahulu di uji= Kemudian teknik 2agging dan
2oosting diteliti untuk meningkatkan ketahanan model8model
1#
-
8/18/2019 Proposal Skripsi Bab 1-3
31/72
tersebut= Selanjutnya9 $andom 3orest tidak lupa juga diealuasi
dalam penelitian ini= Data yang digunakan diperoleh dari #3
Primary Care 1nit >%FU? rumah sakit Saanpra;harak selama
tahun #"1#8#"1= Input untuk penelitian ini yaitu 2ody Mass'nde4 >/MI?9 age, *eight, height, systolic blood pressure,
diastolic blood pressure, history of diabetes in family, history of
hypertension in family, alcohol drinking, smoking behavior, se4+
Easil penelitian ini yaitu pada lima teratas adalah model $andom
3orest 9 2agging *ith decision tree9 2agging *ith arti&cial neural
net*ork 9 (ecision tree dan 2oosting dengan decision tree
yaitu$!=!!$9 $!=9 $!=#49 $!="6"9 dan $4=$1!=
Sebagian besar berdasar (ecision 0ree #lgorithms= Keakuratan
yang paling rendah adalah Model 2agging *ith )a8ve 2ayes yaitu$"=63"= Easil ini juga memberi kesan baha Teknik 2agging
and 2oosting meningkatkan keakuratan Model (ecision 0ree9
#rti&cial )eural )et*ork 9 Logistic $egression= Keakuratan model
)a8ve 2ayes hanya meningkat dengan teknik 2oosting= Selain itu
dilakukan uji ;oba dengan &'F curve+ ,ima nilai &'F Fure
tertinggi adalah model $andom 3orest 9 2agging *ith (ecision
0ree9 2agging *ith #rti&cial )eural )et*ork 9 2oosting *ith
#rti&cial )eural )et*ork dan #rti&cial )eural )et*ork yaitu
"=61#9 "=6"39 "=6"9 "=6"1 dan "=$63= Sementara yang terendahadalah model )a8ve 2ayes9 "=$!! >Nongyao9 #"1!?=
%ada tahun yang sama juga terdapat penelitian mendesain
si&N) yang optimal oleh Murali dengan menggunakan multi"
layer perceptron feed"for*ard neural net*ork dengan training
menggunakan algoritma Scaled Con9ugate :radient untuk
menghitung skor akhir setiap si&N)= /erbagai algoritma neural
net*ork seperti classic 2ackpropagation, $esilient propagation
>&%rop? dan scaled Con9ugate :radient >SF(? juga di;oba= Data
yang digunakan untuk proses training didapatkan dari Euesken
dataset yang terdiri dari #41 si&N) dari " gen= Sedangkan
untuk proses tes menggunakan # dataset yaitu 416 si&N) dan
453 si&N)= Easil penelitiannya 'psiD memiliki nilai sensitiity
tertinggi yaitu "=36 dan speci&city "=$= Nilai speci&city memiliki
nilai lebih rendah dibandingkan /iopredsi= Namun sistem ini telah
mengalami peningkatan kemampuan prediksi= Se;ara
keseluruhan9 analisa yang dilakukan telah menunjukkan baha
perubahan kinerja model aplikasi yang digunakan dalam
1
-
8/18/2019 Proposal Skripsi Bab 1-3
32/72
accuracy 9 MFF9 dan sensitivity mengalami peningkatan daripada
model lain >Murali9 #"1!?=
%ada tahun #"13 terdapat penelitian yang dilakukan oleh
-rkaymaJ terhadap diagnosa diabetes menggunakan Small".orld 3eed 3or*ard #rti&cial )eural )et*ork >S08**)NN?=
%enelitian ini menggunakan Pima indian diabetic dataset >%IDD?
yang diambil dari UFI machine learning repository = Data yang
diamati meliputi 53$ sample dan dua kelompok >normal: !""9
diabetes: #3$?= Masing8masing sampel memiliki $ ;iri dan 1
respon= *itur pada data tersebut antara lain number of times
pregnant, plasma glucose concentration, diastolic blood
pressure, triceps skin fold thickness, ;"hour serum insulin, body
mass inde4, diabetes pedigree function, age, result = Easilpenelitian ini yaitu sensitivity, speci&city, dan accuracy se;ara
berturut8turut pada **)NN konensional "=3"""9 "=6#19 $==
Sedangkan pada S08**)NN yaitu "=$!""9 "=631!9 dan 61=33
>-rkaymaJ9 #"13?=
/erikut merupakan penelitian8penelitian terkait yang
disajikan dalam bentuk tabel agar mudah dipahami ditunjukkan
pada tabel #=1=
14
-
8/18/2019 Proposal Skripsi Bab 1-3
33/72
Tabe $.1 %erbandingan %enelitian %enulis Dengan %enelitian Terkait
N
o
Nama
%eneliti9
Tahun
'bjek Metode Easil
1 Nguyen9
#""3
%enelitian tentang deteksi
episode hipoglikemia >turunnyakadar gula darah? pada anak8
anak penderita Diabetes Mellitus
tipe 1=
%ada penelitian ini
menggunakan parameter
fsiologi berupa detak jantung9
interal T yang dibenarkan dari
sinyal -F( dan impedansi kulit=
multilayer feed"for*ard
neural net*ork
Easil pada studi ini
mengindikasikan baha episodehipoglikemik pada anak T1DM
dan dideteksi se;ara e
-
8/18/2019 Proposal Skripsi Bab 1-3
34/72
8 tekanan diastol darah
8 ketebalan lipatan kulit
trisep
8 # jam serum insulin
8 indeks massa tubuh
8 diabetes predigree
function
8 usia
);ar9
#""6
Sistem pakar prediksi
kebangkrutan fnansial bank di
Turki= Masukan dari penelitian ini
yaitu #" rasio fnansial dengan 3
kelompok ftur meliputi:
8 capital adeuacy
8 asset uality
8 management uality
8 earnings
8 liuidity
8 sensitivity
%enelitian dilakukan
dengan menggunakan
beberapa metode
antara lain:
8 #rti&cial )eural
)et*ork meliputi:
Multi Layer
Perceptron >M,%?
Competitive
Learning >F,?
Self Organizing
Map >S'M?
Learning Vector
Easil akurasi dari penelitian ini
pada data training<
M,%: 1""
F,: !$=14
S'M: !$=14
,.: $=5#
S.M: 6=4
MD): $$=5F): $3="4
,&): $3="4
13
-
8/18/2019 Proposal Skripsi Bab 1-3
35/72
uantization
>,.?
8 Support Vector
Machine >S.M?
8 Multivariate
Statistical
meliputi:Multivariate
(iscriminant
#nalysis >MD)?
!"means Cluster
#nalysis Logistic
$egression
#nalysis
Data testing<
M,%: 6!=!"
F,: 3$=1$
S'M: 3=3
,.: 1""
S.M: 6"=6"
MD): 3$=1$
F): $1=$1
,&): $1=$1
4 Mosta
-
8/18/2019 Proposal Skripsi Bab 1-3
36/72
fnansialnya tidak bernilai
negatipembanding? per;obaan tersebut hasil dari
penggunaan metode D-) )NN
terbukti dapat digunakan untuk
menentukan efsiensi bank
! Fhauhan
9 #""6
Sistem pakar prediksi
kebangkrutan bank= Data yang
digunakan pada per;obaan ini
yaitu himpunan data bank yang
bangkrut meliputi 1+S+ banks,
0urkish banks, Spanish banks
dan untuk perbandingan juga
dilakukan pada data 'ris, .ine,
dan .isconsin 2reast Cancer =
Metode:
8 .avelet )eural
)et*ork >0NN?dilatih dengan
metode
(i/erential
-volution
#lgorithm >D-?
8 0NN murni
8 0hreshold
#ccepting 0rained
.avelet )eural
)et*ork >T)0NN?
Semua data ftur:
Turkish:
#ccuracy<
D-0NN: 6!
0NN: 6!
T)0NN: 1""
Sensitivity<
D-0NN: 1""
0NN: 1""
T)0NN: 1""
Speci&city<
D-0NN: 6!0NN: 6!
T)0NN: 1""
1$
-
8/18/2019 Proposal Skripsi Bab 1-3
37/72
Spanish:
#ccuracy<
D-0NN: $6=66
0NN: $3=35
T)0NN: $$=
Sensitivity<
D-0NN: 61=33
0NN: $6=35
T)0NN: 56=33
Speci&city<
D-0NN: 6
0NN: $1
T)0NN: 6"=!
U=S=:
#ccuracy<
D-0NN: 6=
0NN: $!=$
16
-
8/18/2019 Proposal Skripsi Bab 1-3
38/72
T)0NN: 6"=$
Sensitivity<
D-0NN: 65=#
0NN: $!=$#
T)0NN: 6"=43
Speci&city<
D-0NN: $6=5$
0NN: $5=!
T)0NN: 61=!4
Easil menunjukkan D-0NN
paling unggul dibandingkan
metode 0NN dan T)0NN
3 Khashman9 #"1"
sistem pakar untuk ealuasirisiko kredit pada bank
Data yang digunakan dalam
Supervised )eural)et*orks dilatih dengan
algoritma back
propagation
Dari #5 hasil per;obaan yang adadidapatkan hasil terbaik
sejumlah data yang memenuhi
#"
-
8/18/2019 Proposal Skripsi Bab 1-3
39/72
penelitian ini adalah data
aplikasi kredit erman yang
memiliki 1""" kasus dengan
setiap kasus memiliki atribut asli
berjumlah #" atribut dan
menjadi #4 atribut setelah
ditambah dengan beberapa
ariabel indikator=
kriteria ealuasi:
8 implementasi dengan
model )NN8# pada ,S4
>rasio 4"":3""? memenuhi
kedua kriteria dengan
jumlah iterasi 1$=3!# yang
menutupi nilai eror "=""$
8 implementasi dengan
model )NN81 pada ,S!
>rasio !"":!""? juga
memenuhi kedua kriteria
dengan jumlah iterasi
16=#3=
8 implementasi
menggunakan model )NN8
pada ,S3 >rasio 3"":4""?
yang mendekati memenuhi
kedua kriteria dengan
membutuhkan #!"""iterasi untuk menutupi nilai
eror "=""$!1=
Easil akurasi training dan testing
#1
-
8/18/2019 Proposal Skripsi Bab 1-3
40/72
pada )NN:
0raining: 66=#!
0esting< 5=15
nilai akurasi keseluruhan: $=3
aktu per;obaan training: 1$4 s
aktupembuatan keputusan:
!=15 G 1"8! s
5 Myoung8
ong9
#"1"
Sistem pakar prediksi
kebangkrutan= Data yang
digunakan pada studi ini
didapatkan dari sebuah bank
komersial di Korea dengan
dataset terdiri dari 14!$ frma
manu
-
8/18/2019 Proposal Skripsi Bab 1-3
41/72
8 liuidity
8 activity
8 size=
NN:
overall
-
8/18/2019 Proposal Skripsi Bab 1-3
42/72
diambil dari sistem industri
sebuah industri instalasi di
Timur Tengah= Input yang
digunakan antara lain:
8 )ir
8 Keasaman
8 break do*n voltage >/D.?
8 hydrogen >E#?
8 metana >FE4?
8 etilen >F#E4?
8 )setilen >F#E#?
8 F#E3
8 kandungan
-
8/18/2019 Proposal Skripsi Bab 1-3
43/72
#"1# pada penelitian ini diperoleh dari
surey dengan isian meliputi:
8 jenis usia
8 kelamin
8 in
-
8/18/2019 Proposal Skripsi Bab 1-3
44/72
8 luka yang sulit sembuh
8 gaya hidup
8 gestational diabetes
8 sering menkonsumsi
makanan non8egetarian
8 gatal di sekujur tubuh
1
"
Karan9
#"1#
diagnosa diabetes= Masukan
pada penelitian ini yaitu:
8 umur
8 aktiitas fsik >ya+tidak?
8 kehamilan
8 diabetes pada keluarga
8 indeks massa tubuh
8 ketebalan lipatan kulit
8 kolesterol
8 tekanan darah diastol
8 # jam serum insulin
8 diabetes pedigree
three"layered Multilayer
Perceptron >M,%? feed"
for*ard neural net*ork
yang dilatih dengan
algoritma error back
propagation
Uji ;oba pertama >1""" kali
iterasi?:
Nilai minimum eror di;apai saat:
Learning rate< =+>?
Momentum: "=#!
Uji ;oba kedua >#""" kali iterasi?:
Nilai minimum eror di;apai saat:
Learning rate< "=6!
Momentum: "="!
Uji ;oba ketiga >""" kali iterasi?:
Nilai minimum eror di;apai saat:
Learning rate< "=$!
#3
-
8/18/2019 Proposal Skripsi Bab 1-3
45/72
8 konsentrasi glukosa
plasma
Momentum: "=#!
Uji ;oba keempat >4""" kali
iterasi?:
Nilai minimum eror di;apai saat:
Learning rate< "=6!
Momentum: "=1!
Uji ;oba keempat >4""" kali
iterasi?:
Nilai minimum eror di;apai saat:
Learning rate< "=6!
Momentum: "="!
1
1
ShihFhu
ng9 #"1#
%enelitian terhadap deteksi
benjolan ke;il pada paru8paru=
Data yang digunakan pada
penelitian ini yaitu hasil image
radiologi bagian dada=
Convolution )eural
)et*ork >FNN? double
matching dengan
optimasi pembobotan
back propagation=
Easil dari penelitian ini diambil
dari kura &'F:
8 metode regular back
propagation neural
net*ork< "=3!
8 the convolution net*ork<
"=55
8 convolution net*ork *ith
#5
-
8/18/2019 Proposal Skripsi Bab 1-3
46/72
fuzzy : "=$
1
#
,uangru
angrong9
#"1#
prediksi diabetes dengan studi
/%?9*aist circumference >0F? dan
3amily 5istory >*ME?= Selain itu
digunakan juga /NN?
*aktor yang diajukan
menunjukkan nilai &MS- dan
akurasi masing8masing "=515$
dan $93!= Sebagai tambahan9
penyesuaian learning rate
memberikan kinerja lebih baik
sebesar $4= Dan terakhir9
metode yang diajukan
memberikan kinerja yang lebih
baik dibandingan dengan garis
dasar sebesar 1=#
1
0ang9
#"1
&isiko diabetes mellitus tipe #=
Data yang digunakan pada
penelitian ini yaitu didapat dari
hasil surei pada daerah
pedesaan di proinsi Eenan=
%artisipan berumur !854 tahun=
Didapatkan hasil $34" subjek
data yang digunakan pada studiini dengan menge;ualikan data
penduduk yang memiliki kondisi
berikut ini:
metode perbandingan
antara arti&cial neural
net*ork >)NN? dan
multivariate regression
>M,&?
Tingkat pemerataan T#DM:
0raining< $=33 >nO!31?
.alidasi: 6=#1 >nO166?
Easil metode )NN:
Sensitivity< $3=6
Speci&city< 56=14Nilai predikti< positi
-
8/18/2019 Proposal Skripsi Bab 1-3
47/72
8 kelainan psikologi
8 ;a;at fsik
8 kanker
8 penyakit ginjal kronis
8 penyakit #lzheimer
8 dimensia selama 3 bulan
8 )IDS dan penyakit
menular lain= Selain itu
data dengan missing
value juga dihilangkan=
Easil metode M,&:
Sensitivity< 3"=$"
Speci&city< 5!=4$
Nilai predikti< positi
-
8/18/2019 Proposal Skripsi Bab 1-3
48/72
8 turnover indicators
8 liuidity and solvency
indicators
8 balance structure
indicators
8 indicators from classical
.estern and $ussianmodels
8 indicators stipulated by
$ussian legislation
metode )NN gabungan dengan
algoritma pembelajaran lain
yaitu $$=$
1
!
uma9
#"1
%ermasalahan sistem pakar
ealuasi aplikasi kredit bank
komersial Kenya=
Data yang digunakan sebagai
inputan disini ada $ data yaitu:
8 current ratio
8 liuidity ratio
8 creditor days
metode )NN dengan
optimasi
backpropagation
Easil penelitian ini dari ! kali
per;obaan pada proses training
dan ! kali proses testing9 peneliti
menetapkan baha 66 dapat
memberikan hasil yang serupa
dengan yang diberikan oleh
manusia setelah ealuasi
peminjaman
"
-
8/18/2019 Proposal Skripsi Bab 1-3
49/72
8 interest cover
8 collection period
8 stock turnover
8 gross gearing ratio
8 pro&ts
13
Shen9#"14
masalah uality Controlkuantitati< big data pada pasien
kanker
metode arti&cial neuralnet*ork >)NN?
Easil dari penelitian denganmengimplementasikan big data
dan )NN9 peneliti dapat
menghasilkan metode F yang
baik untuk meningkatkan
peraatan kanker dengan
radioterapi dan kemoterapi=
1
5
%angarib
uan9
#"14
Diagnosis Diabetes Mellitus=
Data yang digunakan pada
penelitian ini didapatkan dari
UFI $epository yang terdiri dari
populasi anita umur #1 tahun
dan tinggal di %hoeniG9 )riJona
dengan jumlah data 53$ orang
yang dibagi menjadi data
training dan data testing=
feed for*ard neural
net*ork -4treme
Learning Machine >-,M?
Easil rata8rata akurasi penelitian
ini menggunakan metode -,M
pada data training dan data
testing se;ara berturut8turut
yaitu "=35 mse dan "=6 mse=
Sedangkan menggunakan
metode backpropagation pada
data training dan data testing
se;ara berturut8turut yaitu "=411
1
-
8/18/2019 Proposal Skripsi Bab 1-3
50/72
mse dan "=$4# mse= Nilai error
rate MS- keseluruhan untuk data
testing -,M adalah "=4"3 dan
pada metode backpropagation
adalah "=64#!
1
$
Kumar9
#"14
diagnosa diabetes= Data yang
digunakan pada penelitian ini
didapatkan dari UFI machine
learning repository dengan $
atribut ditambah atribut kelas
dalam dataset+ )tribut tersebut
antara lain:
8 pregnancy freuency
8 plasma glucose test
8 diastolic 2P
8 thickness of 0ricep7s skin
8 serum insulin of t*o hours
8 body mass inde4
8 diabetes predigree
function
metode ant colony
optimized neural
net*ork >)F'8NN?
hasil akurasi penelitian )F'8NN
menggunakan feature selection
lebih besar dibandingkan pada
)F'8NN tanpa feature selection
dan untuk jumlah eror pada )F'8
NN menggunakan feature
selection lebih ke;il
dibandingkan )F'8NN tanpa
feature selection+
#
-
8/18/2019 Proposal Skripsi Bab 1-3
51/72
8 age
8 class variable+
1
6
&ather9
#"1!
Sistem pakar hasil inestasi
saham= Data yang digunakan
pada penelitian ini adalah data
asli saham berjumlah 3 yang
didapatkan dari National Sto;k-G;hange o< India >NS-?9 data
tersebut antara lain TFS9 /E-,9
0ipro9 )Gis /ank9 Maruti9 Tata
Steel=
$ecurrent )eural
)et*ork 9 5ybrid
Prediction Model >E%M?
yang merupakan
gabungan dari metodelinier dan non8linier
meliputi $ecurrent
)eural )et*ork >&NN?9
-4ponential Smoothing
>-S?9 dan
#utoregressive Moving
#verage Model >)&M)?
hasil model )& dan -S9 nilai MS-
dan M)- kedua model tinggi
serta korelasinya rendah=
model &NN dan model E%M
dapat memprediksi terjadinyapeningkatan tajam pada data
>Puktuasi?9 sedangkan model
M,% yang diuji tidak dapat
memprediksi peningkatan tajam
se;ara mendadak=
kinerja E%M melampaui &NN9
dengan minimnya eror dan
korelasi tinggi antara hasil
prediksi dan target
#
"
Iturriaga
9 #"1!
Sistem pakar prediksi dan
isualisasi kebangkrutan pada
bank komersial U=S=
Data yang digunakan pada
penelitian ini yaitu
kombinasi dari
multilayer perceptrons
>M,%? dan self"organizing maps >S'M?
D)9 ,&9 &*9 dan S.M
Easil akurasi 18 tahun sebelum
kebangkrutan:
D):
1 tahun: 55=$$
-
8/18/2019 Proposal Skripsi Bab 1-3
52/72
menggunakan data yang
didapat dari *ederal Deposit
Insuran;e Forporation >*DIF?=
%eneliti menyeleksi sebanyak #
ariabel yang berpotensial jelas
untuk risiko kebangkrutan=
.ariabel ini diseleksi dengan
mengadaptasi kriteria untukmemperbaiki hasil dari model=
&asio dikelompokkan menjadi !
himpunan ariabel yang
berbeda= &asio 1814 mengukur
pendapatan bank9 1!8#1
menaksir struktur asset setiap
bank9 ##8#! penelitian lebih
dalam terhadap asset dan
menaksir porto
-
8/18/2019 Proposal Skripsi Bab 1-3
53/72
tahun: $#=36
M,%8S'M:
1 tahun: 63=1!
# tahun: 6"=$
tahun: $4=3#
#1
Ee8/oong9
#"1!
Sistem pakar pemodelanproduksi t*o"stage seuential
pada bank besar di U=S=
Data yang digunakan pada
penelitian ini yaitu untuk lapisan
input terdiri dari employees,
euity dan e4penses= Dan pada
lapisan tengah terdapat
deposits, loans, dan
investments=
model dataenvelopment analysis
>D-)? dan back
propagation neural
net*ork >/%NN?
memprediksi leel proft yangdibutuhkan setiap DMU untuk
men;apai kinerja targetnya9 juga
memprediksi kenaikan proft
diperlukan untuk memperoleh
leel kinerja yang diinginkan9
;ontohnya pada model /%NN
pertama memprediksi efsiensi
&/S yang ditandai dengan proft
negatie dari 9"""QUSM "=4!=
Kemudian modul /%NN kedua
memprediksi kenaikan proft 46
>19"14 194$3? untuk DMU
men;apai 1+ >#+ ekuialen?
dari kinerja tahap pertama=
# Esiao8 %rediksi risiko kanker hati pada arti&cial neural net*ork Easil dari penelitian ini yaitu
!
-
8/18/2019 Proposal Skripsi Bab 1-3
54/72
# Esien9
#"1!
penderita diabetes mellitus tipe
#=
Data yang digunakan pada
penelitian ini yaitu didapatkan
dari )ational 5ealth 'nsurance
$esearch (atabase >NEI&D?
Taian9 yang men;akup kira8kira
## juta orang= Dalam studi ini9
penulis menyeleksi pasien yang
baru didiagnosa dengan tipe II
diabetes selama periode #"""8
#""9 dengan tidak ada
diagnosa kanker sebelumnya=
>)NN? dan logistic
regression >,&?
submodel 1 memiliki sensitivity 9
speci&city yang terbaik= Untuk
)UF submodel # dan memiliki
hasil yang lebih baik dari
submodel 1= %ada submodel 1
hasil akurasi )NN lebih baik
daripada ,&= Model )NN optimal
dihasilkan pada submodel 1dengan memiliki #! lapisan
input9 4 hidden dan # output
#
Nongyao
9 #"1!
%enelitian terhadap klasifer
risiko prediksi diabetes=
Data yang digunakan diperoleh
dari #3 Primary Care 1nit >%FU?
rumah sakit Saanpra;harak
selama tahun #"1#8#"1= Input
untuk penelitian ini yaitu:
8 2ody Mass 'nde4 >/MI?
metode (ecision 0ree9
#rti&cial )eural
)et*ork 9 Logistic
$egression dan )a8ve
2ayes+
teknik 2agging dan
2oosting diteliti untuk
meningkatkan
ketahanan model8model
Easil penelitian ini yaitu pada
lima teratas adalah model
$andom 3orest 9 2agging *ith
decision tree9 2agging *ith
arti&cial neural net*ork 9
(ecision tree dan 2oosting
dengan decision tree yaitu$!=!!$9 $!=9
$!=#49 $!="6"9 dan
$4=$1!= Sebagian besar
3
-
8/18/2019 Proposal Skripsi Bab 1-3
55/72
8 #ge
8 .eight
8 5eight
8 systolic blood pressure
8 diastolic blood pressure
8 history of diabetes infamily
8 history of hypertension in
family
8 alcohol drinking
8 smoking behavior
8 se4
tersebut berdasar (ecision 0ree
#lgorithms= Keakuratan yang
paling rendah adalah Model
2agging *ith )a8ve 2ayes yaitu
$"=63"=
,ima nilai &'F Fure tertinggi
adalah model $andom 3orest 9
2agging *ith (ecision 0ree9
2agging *ith #rti&cial )eural
)et*ork 9 2oosting *ith #rti&cial
)eural )et*ork dan #rti&cial
)eural )et*ork yaitu "=61#9
"=6"39 "=6"9 "=6"1 dan "=$63=
Sementara yang terendah adalah
model )a8ve 2ayes9 "=$!!
#
4
Murali9
#"1!
%enelitian mendesain si&N)
yang optimal=
Data yang digunakan untuk
proses training didapatkan dari
Euesken dataset yang terdiri
dari #41 si&N) dari " gen=
Sedangkan untuk proses tes
multi"layer perceptron
feed"for*ard neural
net*ork dengan
training menggunakan
algoritma ScaledCon9ugate :radient
untuk menghitung skor
akhir setiap si&N)=
Easil penelitiannya 'psiD
memiliki nilai sensitiity tertinggi
yaitu "=36 dan speci&city "=$=
Nilai speci&city memiliki nilai
lebih rendah dibandingkan/iopredsi= Namun sistem ini telah
mengalami peningkatan
kemampuan prediksi= Se;ara
5
-
8/18/2019 Proposal Skripsi Bab 1-3
56/72
menggunakan # dataset yaitu
416 si&N) dan 453 si&N)=
/erbagai algoritma
neural net*ork seperti
classic
2ackpropagation,
$esilient propagation
>&%rop? dan scaled
Con9ugate :radient
>SF(? juga di;oba=
keseluruhan9 analisa yang
dilakukan telah menunjukkan
baha perubahan kinerja model
aplikasi yang digunakan dalam
accuracy 9 MFF9 dan sensitivity
mengalami peningkatan
daripada model lain
#
!
-rkayma
J9 #"13
Diagnosa diabetes= %enelitian ini
menggunakan Pima indian
diabetic dataset >%IDD? yang
diambil dari UFI machine
learning repository = Data yang
diamati meliputi 53$ sample
dan dua kelompok >normal: !""9
diabetes: #3$?= Masing8masing
sampel memiliki $ ;iri dan 1
respon= *itur pada data tersebut
antara lain:
8 number of times pregnant
8 plasma glucose
concentration
Small".orld 3eed
3or*ard #rti&cial
)eural )et*ork >S08
**)NN?
Easil penelitian ini yaitu
sensitivity, speci&city, dan
accuracy se;ara berturut8turut
pada **)NN konensional
"=3"""9 "=6#19 $==
Sedangkan pada S08**)NN yaitu
"=$!""9 "=631!9 dan 61=33
$
-
8/18/2019 Proposal Skripsi Bab 1-3
57/72
8 diastolic blood pressure
8 triceps skin fold thickness
8 ;"hour serum insulin
8 body mass inde4
8 diabetes pedigree
function
8 age
8 result
6
-
8/18/2019 Proposal Skripsi Bab 1-3
58/72
$.$ S/'te& Pa!ar
-aluasi data pasien dan keputusan pakar menjadi suatu hal
yang sangat penting dalam melakukan diagnosa penyakit= Dalam
upaya untuk membantu kerja pakar dan menghindari terjadinya
kesalahan dalam pengambilan keputusan disebabkan kondisi
fsik pakar yang sakit ataupun kurang pengalaman dibutuhkan
suatu sistem klasifkasi yang menyimpan inTemurtas9 #""6?= Sistem tersebut disebut sistem pakar=
Sistem pakar adalah sebuah sistem berbasis komputasi yang
menggunakan pengetahuan pada bidang spesifk untukmenentukan solusi dari suatu permasalah pada bidang tersebut
>%angaribuan9 #"14?= Terdapat pengertian lain dari sistem pakar
yaitu sebuah program komputer yang melakukan tugas layaknya
pakar manusia >(allant dalam uma9 #"1?= Sistem pakar adalah
suatu sistem berbasis pengetahuan yang dapat melakukan
penalaran sendiri9 dengan pengetahuan berasal dari konsultasi
pakar >Tyler dalam uma9 #"1?= Sistem pakar terdiri dari
beberapa komponen meliputi: antarmuka9 kno*ledge base,
inference engine, dan *orking memory =
4"
-
8/18/2019 Proposal Skripsi Bab 1-3
59/72
Ga&bar $.1 Diagram Komponen Sistem %akar
Sumber: uma9 #"1
User Inter
-
8/18/2019 Proposal Skripsi Bab 1-3
60/72
dari sebuah himpunan neuron9 pola hubungan9 propagation rule,
activation rule,
-
8/18/2019 Proposal Skripsi Bab 1-3
61/72
∆ W ij( l−1) ( n )= μ . x j (n ) . δ i
(l−1)(n) >#=#?
∆bi(l−1) (n )= μ . δ i
( l−1)(n) >#=?dimana
δ i(l−1) (n)=
{ φ
'
(net il−1
) [ d i− y i (n ) ] , l= M φ ' (net il−1 )∑
k
W ki . δ k (l ) (n ) ,1≤l ≤ M >#=4?
ika proses latih telah selesai dilakukan9 bobot M,%
ditetapkan dan siap digunakan untuk model testing=
/erikut ini adalah model )NN yang digunakan untuk diagnosadiabetes:
Ga&bar $.$ Struktur Multi Layer Perceptron yang
digunakan untuk diagnosa diabetesSumber: );ar9 #""6
$.+ D/8ere"t/a E96%t/6"
DiHerential eolution adalah pendekatan baru dalam algoritma
eolusi= )lgoritma ini terdiri dari 4 tahap: inisialisasi9 mutasi9
rekombinasi9 dan seleksi=
Dalam sebuah populasi dari solusi didalam daerah pen;arian n8
dimensional9 jumlah yang pasti dari ektor se;ara a;ak
diinisialisasi9 kemudian dikembangkan selama beberapa aktu
4
-
8/18/2019 Proposal Skripsi Bab 1-3
62/72
untuk mengeksplorasi daerah pen;arian dan menemuka minima
dari Fhauhan9
#""6?=
$. D/abete'
%enyakit Diabetes Mellitus merupakan penyakit gangguanmetabolisme dimana pankreas tidak dapat memproduksi insulin
atau tubuh tidak dapat menggunakan insulin dengan baik
>Mohammed dalam Temurtas9 #""6?= Insulin merupakan hormon
yang berSumadei dalam
%angaribuan9 #"14?= %enyakit Diabetes digolongkan menjadi
yaitu tipe 19 tipe # dan gestasional= Diabetes tipe 1 yaitukeadaan dimana pankreas tidak dapat memproduksi insulin9
sedangkan tipe # adalah keadaan dimana pankreas
memproduksi insulin namun tubuh tidak dapat menggunakan
insulin tersebut untuk menjaga tingkat gula darah dan tipe
gestasional adalah keadaan tingginya gula darah pada anita
saat hamil >Thirugnanam9 #"1#?=
$..1 D/abete' T/0e 1
(rup riset 0he (iabetes Control and Complications 0rial >DFFT?pada tahun 166 menggarisbaahi man
-
8/18/2019 Proposal Skripsi Bab 1-3
63/72
Eipoglikemik parah ditandai dengan tingkat glukosa darah
!"mg+dl >#=$ mmol+l? dan penderitanya membutuhkan
pertolongan untuk meraat keadaannya saat itu=
5ypoglycemia berkembang ketika tingkat glukosa masukkedalam sirkulasi sistemik dikurangi se;ara relati< terhadap
asupan glukosa oleh jaringan= Eal ini biasanya se;ara natural
dibenarkan dengan kombinasi dari jumlah mekanisme
pertahanan= %ada mulanya9 penurunan dalam sekresi insulin
dalam responnya untuk kemerosotan tingkat glukosa darah
terjadi= Ketika tingkat glukosa turun se;ara berkelanjutan9 jumlah
;ontoh: ta;hy;ardia9 palpitasi9 kegoyahan9 berkeringat?
diakti;ontoh: pengurangan
konsentrasi9 penglihatan kabur9 pusing?= (ejala otonom dapat
memberikan indikasi aal adanya hypoglycemia dan
memungkinkan pasien untuk mengenali kondisi ini dari aal=
4!
-
8/18/2019 Proposal Skripsi Bab 1-3
64/72
)octurnal hypoglycemia se;ara khusus berbahaya karena
pengurangan tidur dan dapat mengaburkan respon kontra8
regulasi9 sehingga episode aal yang ringan dapat menjadi
parah= &isiko hypogly;emia yang parah tinggi pada malam hari9dengan setidaknya !" dari semua episode parah yang terjadi
selama aktu itu= Kontra8regulasi glukosa yang kekurangan
dapat juga menyebabkan hypoglycemia parah alaupun dengan
ketinggian insulin yang rendah= %engaturan nocturnal glycemia
semakin rumit dikarenakan
-
8/18/2019 Proposal Skripsi Bab 1-3
65/72
BAB ) METODOLOGI
%ada bab ini akan dibahas mengenai metode yang digunakanbeserta tahap8tahap implementasi Diagnosa %enyakit DiabetesMellitus Menggunakan Metode (i/erential -volution 3eed"3or*ard Multi Layer Perceptron= )dapun tahap metodologipenelitian dan diagram blok metodologi penelitian ditunjukkanpada (ambar =1
Ga&bar ).1 Diagram /lok Metodologi %enelitianSumber: %eran;angan
).1 St%:/ L/terat%r
%ada penelitian ini memerlukan studi literatur dari dasarteori yang se;ara detail telah dibahas pada bab #= Dasarteori disusun berdasarkan re
-
8/18/2019 Proposal Skripsi Bab 1-3
66/72
).$ Pe"#%&0%a" Data
%ada penelitian ini menggunakan himpunan data Pima'ndians (iabetes (ata Set yang didapatkan dari UFILearning (ata $epository+ %ada data ini terdiri dari datapasien yang keseluruhan berjenis kelamin perempuanberumur #1 tahun di daerah %ima Indian= Data terdiri dari53$ data dengan $ atribut bertipe numerik= Data tersebutnantinya akan dibagi menjadi # kelompok untuk datatraining dan data testing+ )tribut tersebut antara lain:
1= )umber of times pregnant #= Plasma glucose concentration a ; hours in
an oral glucose tolerance test = (iastolic blood pressure >mm Eg?4= 0riceps skin fold thickness >mm?
!= #8hour serum insulin >mu U+ml?3= /ody mass indeG >eight in kg+>height inm?#?
5= )ge >years?$= Flass ariable >" or 1?
).) A"a/'/' Keb%t%(a"
Tahapan ini dilakukan untuk menentukan apa saja yangdibutuhkan dalam penyusunan Sistem %akar %enentuan%eminjaman Kredit pada /ank Menggunakan Metode )a8ve2ayes= /erikut ini adalah kebutuhan dalam penyusunanperangkat lunak Sistem %akar %enentuan %eminjamanKredit pada /ank Menggunakan Metode )a8ve 2ayes:1= Kebutuhan perangkat keras yaitu komputer dengan
spesfkasi minimal sebagai berikut:a= Intel>&?%entium>&? F%U %3#"" B #=1 (EJb= &)M # (/;= Eardisk dengan kapasitas 3" (/d= Monitor 14 in;h
#= Kebutuhan perangkat lunak meliputi:
Sistem operasi: 0indos+,inuG+Ma; 'S dan sistemoperasi lain0eb broser: MoJilla *ire
-
8/18/2019 Proposal Skripsi Bab 1-3
67/72
Input
Input gejala diabetes
%roses output
Diagnosa penyakitnormalisasi
%roses training
%roses testing
Menghasilkan diagnosa penyakit diabetes
Saran pengobatan
arsitektur sistem pakar=
).+.1 M6:e Pera"4a"#a"
Model peran;angan sistem menjelaskan mengenai ;ara kerjasistem se;ara terstruktur mulai dari input yang dimasukkanhingga mendapatkan hasil= Diagram model peran;angan sistemdapat dilihat pada gambar berikut ini:
Ga&bar ).$ Model %eran;angan SIstem
Sumber: >%eran;angan?
).+.$ Ar'/te!t%r S/'te& Pa!ar
)rsitektur Sistem %akar Deteksi Dini %enyakit StrokeMenggunakan Metode *uJJy NaXe /ayes yang digunakan dapatdilihat pada gambar berikut ini:
46
-
8/18/2019 Proposal Skripsi Bab 1-3
68/72
%engguna
)ntarmuka
Easil diagnosaSaran pengobatan
,ingkungan Konsultasi
(ejala penyakit diabetes
Ba4!b6ar:(ejala inputan pengguna
%roses )NNEasil diagnosa sebelum ditampilkan
MesinIn%eran;angan?
). I&0e&e"ta'/
Implementasi sistem adalah tahapan membangun sistem yangmenga;u pada peran;angan sistem pakar dan menerapkan hal
yang telah didapatkan dalam proses studi literatur= *ase8
-
8/18/2019 Proposal Skripsi Bab 1-3
69/72
untuk memudahkan melakukan manipulasi dan penyimpan
data=
8 Implementasi algoritma9 melakukan perhitungan dengan
metode Multi ,ayer %er;eptron DiHerential -olutionkedalam bahasa pemrograman %E%=
8 Implementasi ini akan menghasilkan deteksi dini adanya
kemungkinan pasien menderita penyakit diabetes dan
saran pengobatan yang harus diberikan kepada pasien
untuk menangani penyakit diabetes sesuai dengan tipe
diabetes=
). U*/ C6ba
Uji ;oba sistem dilakukan untuk mengetahui apakah sistem
berjalan dengan baik dan sesuai dengan spesifkasi kebutuhan
yang telah ditetapkan dapat berjalan dengan baik= Uji ;oba
sistem dilakukan dengan ;ara membandingkan hasil diagnosa
penyakit yang ideal dari pakar dengan hasil diagnosa sistem= Uji
;oba sistem dilakukan dengan menguji tingkat akurasi sistem
yaitu dengan ;ara menghitung nilai kebenaran setiap melakukan
pengujian pada setiap data= Uji akurasi dilakukan seperti padapersamaan berikut:
nilaiakurasi= jumlahn data akurat
jumlahseluruhdata x100 >#=!?
).2 Ke'/&0%a"
Kesimpulan dilakukan setelah semua tahapan peran;angan9
implementasi dan pengujian metode yang diterapkan sudahselesai dilakukan= Kesimpulan diambil dari hasil pengujian dananalisis metode= Tahap terakhir dari penulisan adalah saran yangdimaksutkan untuk memperbaiki kesalahan yang terjadi sertamemberikan pertimbangan untuk pengembangan selanjutnya=
!1
-
8/18/2019 Proposal Skripsi Bab 1-3
70/72
DAFTAR PUSTAKA
)dnan Khashman9 #"1"= )eural )et*orks 3or Credit $isk
-valuation< 'nvestigation Of (i/erent )eural Models #ndLearning Schemes, .ol= 59 pp= 3#83#6=
)hmed -= /= )bu8-lanien9 M= M= )= Salama9 Malak Ibrahim9 #"11=(etermination of 0ransformer 5ealth Condition 1sing #rti&cial )eural )et*orks9 pp= 18!=
)khter Mohiuddin &ather9 )rum )garal9 .= N= Sastry9 #"1!=$ecurrent )eural )et*ork and a 5ybrid Model for Predictionof Stock $eturns9 .ol= 4#9 pp= #48#41=
Fhongjian 0ang9 ,inlin ,i9 ,ing 0ang9 Yhiguang %ing9 Muanda Tsobo *lory9 (aoshuai 0ang9 2uanlin Vi9 0enjie ,i9 #"1=
-valuating 0he $isk Of 0ype ; (iabetes Mellitus 1sing #rti&cial )eural )et*ork< #n -/ective Classi&cation #pproach, .ol= 1""9 pp= 111811$=
-lena *edoroa9 -genii (ilenko9 Sergey DoJhenko9 #"1=2ankruptcy Prediction 3or $ussian Companies< #pplication Of Combined Classi&ers, .ol= 4"9 pp= 5#$!85#6=
*eliG = ,opeJ Iturriaga9 Ian %astor SanJ9 #"1!= 2ankruptcy Visualization and Prediction using )eural )et*orks< # Study of 1+S+ Commercial 2anks9 .ol= 4#9 pp= #$!58#$36=
Easan Temurtas9 Nejat 2umusak9 *eyJullah Temurtas9 #""6= #Comparative Study On (iabetes (isease (iagnosis 1sing)eural )et*orks, .ol= 39 pp= $31"8$31!=
Ee8/oong Kon9 ooh ,ee9 #"1!= 0*o"Stage Production ModelingOf Large 1+S+ 2anks< # (-#")eural )et*ork #pproach, .ol=4#9 pp= 35!$83533=
Eong Shen9 inglei Meng9 ,i;heng 2u9 Vue
-
8/18/2019 Proposal Skripsi Bab 1-3
71/72
-
8/18/2019 Proposal Skripsi Bab 1-3
72/72
O/ 0arget Possibilities 1sing #rti&cial )eural )et*ork Model,.ol= !3#9 pp= 1!#81!$=
Shih8Fung /= ,o9 Shyh8,iang )= ,ou9 yh8Shyan ,in9 Matthe T=*reedman9 MinJe .= Fhien9 Seong K= Mun9166!= #rti&cialConvolution )eural )et*ork 0echniues #nd #pplications 3or Lung )odule (etection, .ol= 149 pp= 511851$=
0utti;hai ,uangruangrong9 )nnupan &odtook9 SanonFhimmanee9 #"1#= Study Of 0ype ; (iabetes $isk 3actors1sing )eural )et*ork 3or 0hai People #nd 0uning )eural)et*ork Parameters, pp= 6618663=