e. Percobaan Kedua dengan Inisialisasi Nguyen Widrow 71
f. Percobaan Ketiga dengan Inisialisasi Nguyen Widrow 72
g. Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Pertama
74 h. Perbandingan Recognition Inisialisasi Acak dengan Nguyen
Widrow Percobaan Kedua 74
i. Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Ketiga
75
BAB V KESIMPULAN DAN SARAN 76
5.1 Kesimpulan 76
5.2 Saran 76
DAFTAR PUSTAKA
Universitas Sumatera Utara
DAFTAR TABEL
Nomor Tabel
Judul Halaman
2.1 3.1
3.2 3.3
3.4 3.5
3.6 4.1
4.2 4.3
4.4
4.5 4.6
4.7 4.8
4.9
4.10 4.11
4.12 4.13
4.14 4.15
4.16
4.17 4.18
Perbedaan Jaringan Syaraf Biologis dengan JST Gejala-Gejala Penyakit Ginjal
Nama-Nama Penyakit Ginjal Pendefenisian Input
Tabel Pendefenisian Keluaran Output Bobot dari layer input X
i
ke layer tersembunyi Z
i
Hasil Training Percobaan Pertama Inisialisasi Acak Bobot-bobot Dari Layer Tersembunyi Ke Layer Output
Hasil Training Percobaan Kedua Inisialisasi Acak Hasil Training Percobaan Ketiga Inisialisasi Acak
Hasil Training Percobaan Pertama Algoritma Nguyen Widrow
Hasil Training Percobaan Kedua Algoritma Nguyen Widrow
Hasil Training Percobaan Ketiga Algoritma Nguyen Widrow
Perbandingan Hasil Training Percobaan Pertama Perbandingan Hasil Training Percobaan Kedua
Perbandingan Hasil Training Percobaan Ketiga Hasil Recognition Percobaan Pertama
Hasil Recognition Percobaan Kedua Hasil Recognition Percobaan Ketiga
Hasil Recognition Percobaan Pertama Nguen Widrow Hasil Recognition Percobaan Kedua Nguen Widrow
Hasil Recognition Percobaan Ketiga Nguen Widrow Perbandingan Recognition Inisialisasi Acak dengan
Nguyen Widrow Percobaan Pertama Perbandingan Recognition Inisialisasi Acak dengan
Nguyen Widrow Percobaan Kedua Perbandingan Recognition Inisialisasi Acak dengan
Nguyen Widrow Percobaan Ketiga
5 26
27 28
29 36
44 54
55 56
57
57 58
58 59
60 62
63 70
72 73
74
75 75
Universitas Sumatera Utara
DAFTAR GAMBAR
Nomor Gambar
Judul Halaman
2.1 Susunan Neuron Biologis
5 2.2
Jaringan Syaraf Tiruan dengan Lapisan Tunggal 6
2.3 Jaringan Syaraf Tiruan dengan Banyak Lapisan
6 2.4
Fungsi aktivasi: Undak Biner Hard Limit 7
2.5 Fungsi aktivasi: Undak Biner Threshold
7 2.6
Jaringan dengan 3 unit hidden layer 22
3.1 Flowchart Algoritma Pelatihan Backpropagation
30 3.2
Flowchart Algoritma Pelatihan Backpropagation Lanjutan
31 3.3
Flowchart Algoritma Pelatihan Backpropagation Lanjutan
32 3.4
Flowchart Pengujian Backpropagation 33
3.5 Arsitektur Jaringan
35 4.1
Tampilan Menu Utama Aplikasi 57
4.2 Tampilan Proses Training Gejala Penyakit Gagal Ginjal
Akut 58
4.3 Tampilan Proses Training Gejala Penyakit Kanker Ginjal
59 4.4
Tampilan Hasil Recognition Gagal Ginjal Akut 65
4.5 Tampilan Hasil Recognition Gagal Ginjal Akut
Percobaan Pertama 67
4.6 Tampilan Hasil Recognition Gagal Ginjal Akut
Percobaan Ketiga 68
4.7 Tampilan Hasil Recognition Gagal Ginjal Akut
70 4.8
Tampilan Hasil Recognition Gagal Ginjal Akut 71
4.9 Tampilan Hasil Recognition Gagal Ginjal Akut
73
Universitas Sumatera Utara
ABSTRAK
Pada penelitian ini penulis menggunakan algoritma Nguyen Widrow didalam Jaringan Syaraf Tiruan JST Backpropagation untuk pengenalan recognition gejala atau pola
penyakit ginjal dan mempercepat mekanisme pembelajaran training berdasarkan gejala atau pola penyakit ginjal. Jaringan Syaraf Tiruan JST Backpropagation
merupakan algoritma pembelajaran yang bersifat supervisi supervised learning, yaitu pembelajaran yang membutuhkan pengawasan untuk pembelajarannya. didalam
Jaringan Syaraf Tiruan JST Backpropagation terdapat data masukan input dan data keluaran output yang dipakai dalam pelatihan training sehingga diperoleh
bobot weight yaitu dari unit masukan Input ke layer tersembunyi Hidden Layer dan dari layer tersembunyi hidden layer ke layer keluaran Output. Pada penelitian
ini, pengenalan pola penyakit ginjal terdapat 30 tiga puluh gejala dan 10 sepuluh macam penyakit ginjal. Data masukan input secara acak random dan data dilatih
training
menggunakan algoritma backpropagation yang pembobotannya
menggunakan Nguyen Widrow. Dari penelitian yang dilakukan, keunggulan dari Jaringan Syaraf Tiruan JST Backpropagation secara acak lebih cepat dalam
melakukan pelatihan training sedangkan dalam hal pengenalan recognition gejala atau pola penyakit ginjal algoritma Nguyen Widrow jauh lebih baik.
Kata Kunci : Penyakit Ginjal, Jaringan Syaraf Tiruan, Backpropagation, Nguyen Widrow
Universitas Sumatera Utara
ANALISYS OF USE OF NGUYEN WIDROW ALGORITHM ON BACKPROPAGATION FOR IDENTIFICATION OF
KIDNEY DISEASE ABSTRACT
In this research, the writer implementing Nguyen Widrow Algorithm on neural network backpropagation on recognizing the sympthoms or pattern of kidney diseases
and accelerating on the process of training based on the patterns of kidney diseases. Neural network backpropagation is supervised learning, training process that needs
supervision. In neural network backpropagation there are input and output that use on trainig process to get weight of input unit to the hidden layer and from hidden layer to
output layer. In this research of recognition of pattern of kidney diseases there are 30 thirty patterns and 10 ten diseases of kidney. The data for input inserted randomly
and whole data trained by using neural network where to calculate the weight of each data calculated by Nguyen Widrow. Based on the research organized by writer, the
result of training using neural network backpropagation is faster than using Nguyen Widrow, on the other hand, the result of recognition by using nguyen Widrow is better
than neural network backpropagation.
Keywords: Kidney Disease, Neural Network, Backpropagation ,
Nguyen Widrow
Universitas Sumatera Utara
BAB 1 PENDAHULUAN