Gambar 4.1. Tampilan Menu Utama Aplikasi Proses awal untuk pengoperasian aplikasi yang dibangun adalah melakukan
input data penyakit ginjal, gejala-gejala setiap penyakit serta data aturan penyakit ginjal sebagai data pelatihan berupa gejala-gejala yang diberikan. Aplikasi terdiri dari
dua menu yaitu File untuk memanggil program jaringan syaraf tiruan Backpropagasi dan menu Data yaitu terdiri dari progran data Penyakit, data Gejala serta data Aturan.
4.2.1 Implementasi Training
Sebelum melakukan pengenalan, pada jaringan syaraf tiruan dilakukan training dalam pengenalan pola gejala-gejala untuk setiap penyakit ginjal dengan menggunakan
kombinasi beberapa parameter jaringan. Setelah semua data gejala-gejala penyakit berhasil di-training maka dilakukan pengujian atau prediksi nama penyakit berupa
input gejala.
a. Percobaan Pertama dengan Inisialisasi Acak
Percobaan pertama dengan parameter jaringan sebagai berikut: Maksimal epoch
= 100
Universitas Sumatera Utara
Min Error = 0.01
Maksimal Iterasi = 100
Learning Rate = 0.8
Training Gejala-Gejala Penyakit Gagal Ginjal Akut
Pada proses ini data inputan berupa gejala-gejala penyakit Gagal Ginjal Akut dengan 30 gejala yang bernilai 0 atau 1. Nilai Nol 0 direpresentasika pada form dengan
tanda kotak kosong sedangkan 1 dengan kotak tanda cros X. Pengenalan gejala- gejala penyakit Gagal Ginjal Akut dapat dilihat seperti pada Gambar 4.2.
Gambar 4.2. Tampilan Proses Training Gejala Penyakit Gagal Ginjal Akut Pada Gambar 4.2 di atas terlihat hasil pembelajaran gejala-gejala penyakit Gagal
Ginjal Akut dengan waktu 4.15 detik.
Universitas Sumatera Utara
Gambar 4.3 Tampilan Proses Training Gejala Penyakit Kanker Ginjal
Pada Gambar 4.3 di atas terlihat hasil pembelajaran gejala-gejala penyakit Gagal Ginjal Akut dengan waktu 4.17 detik. Tahap training dilanjutkan dengan gejala-gejala
penyakit ginjal lainnya dan hasilnya dimasukkan ke dalam tabel seperti pada Tabel 4.1.
Universitas Sumatera Utara
Tabel 4.1 Hasil Training Percobaan Pertama Inisialisasi Acak No Nama Penyakit
Waktu Detik 1
Gagal Ginjal Akut 4.15
2 Kanker Ginjal
4.17 3
Pielonefritis 4.44
4 Sindrom Nefrotik
3,93 5
Hidronefrosis 4,44
6 Kanker Kandung Kemih
4,49 7
Ginjal Polkista 4,48
8 Nefritis Tububinter
Stisialis 2,03
9 Sistisis
3,25 10
Infeksi Saluran Kemih 4,42
b. Percobaan Kedua dengan Inisialisasi Acak
Percobaan pertama dengan parameter jaringan sebagai berikut: Maksimal epoch
= 500 Min Error
= 0.01 Maksimal Iterasi
= 500 Learning Rate
= 0.8 Hasil percobaan kedua training gejala-gejala penyakit Ginjal dapat dilihat seperti pada
Tabel 4.2. Tabel 4.2 Hasil Training Percobaan Kedua Inisialisasi Acak
No Nama Penyakit Waktu Detik
1 Gagal Ginjal Akut
19.12 2
Kanker Ginjal 19,21
3 Pielonefritis
19,31 4
Sindrom Nefrotik 20,13
5 Hidronefrosis
19,44 6
Kanker Kandung Kemih 19,66
7 Ginjal Polkista
19,78 8
Nefritis Tububinter Stisialis
19,79
Universitas Sumatera Utara
9 Sistisis
19,84 10
Infeksi Saluran Kemih 19,95
c. Percobaan Ketiga dengan Inisialisasi Acak
