PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS SKRIPSI KH NISA DEWI 111401003
PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE
MEMORY DAN LEARNING VECTOR QUANTIZATION DALAM
MENENTUKAN OBAT PENYAKIT SALURAN CERNA
LAMBUNG-USUS
SKRIPSI
KH NISA DEWI
111401003
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
Universitas Sumatera Utara
PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY
DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN
OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar
Sarjana Komputer
KH NISA DEWI
111401003
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: PERBANDINGAN ALGORITMA BIDIRECTIONAL
ASSOCIATIVE MEMORY DAN LEARNING VECTOR
QUANTIZATION DALAM MENENTUKAN OBAT
PENYAKIT SALURAN CERNA LAMBUNG-USUS
Kategori
: SKRIPSI
Nama
: KH NISA DEWI
Nomor Induk Mahasiswa
: 111401003
Program Studi
: S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan,
Komisi Pembimbing :
Pembimbing 2
Amer Sharif, S.Si,M.Kom
NIP. -
Pembimbing 1
Dr. Poltak Sihombing, M.Kom
NIP. 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 196203171991031001
Universitas Sumatera Utara
iii
PERNYATAAN
PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY
DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN
OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan,
Kh Nisa Dewi
111401003
Universitas Sumatera Utara
iv
PENGHARGAAN
Alhamdulillah. Puji dan syukur kehadirat Allah SWT, yang dengan rahmat dan
karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini. Yang mana skripsi
ini ditulis sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program
Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara.
Pada pengejaan skripsi dengan judul Perbandingan Algoritma Bidirectional
Associative Memory dan Learning Vector Quantization Dalam Menentukan Obat
Penyakit Saluran Cerna Lambung-Usus ini, penulis menyadari banyak pihak yang
turut membantu serta memotivasi dalam pengerjaannya. Untuk itu, dalam kesempatan
ini, penulis mengucapkan terima kasih kepada :
1. Bapak Prof. Drs. Subhilhar, M.A., Ph.D selaku Plt. Rektor Universitas Sumatera
Utara.
2. Bapak Prof. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi
Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Dosen Pembimbing I dan Ketua
Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi
Informasi Universitas Sumatera Utara.
4. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah banyak
memberi arahan dan motivasi dalam pengerjaan skripsi saya.
5. Bapak Drs. Marihat Situmorang, M.Kom selaku Dosen Penguji I yang telah
meluangkan waktunya untuk memberi saran-saran dan kritik guna
menyempurnakan skripsi penulis.
6. Bapak Handrizal, S.Si, M.Comp, Sc selaku Dosen Penguji II yang telah
memberi banyak masukan dan saran-saran untuk skripsi penulis.
7. Orang tua penulis Muhammad Amin dan Sumiati, serta saudara penulis Kh
Rizal Fauzi yang tidak pernah berhenti memberi dukungan dalam segala
bentuk, kasih sayang dan motivasi penuh kepada penulis.
8. Terkhusus pada Kak Yayang yang selalu sabar dan memberikan masukan
untuk skripsi penulis serta teman-teman seperjuangan terbaik, Sofiya Nazara,
Dini, Gina, Bunga, Ema, Syafura, Novi dan teman-teman yang lain yang selalu
memberikan bantuan, semangat, dan tempat berbagi suka duka penulis.
9. Dr. Alwinsyah Abidin SpPD (Spesialis Penyakit Dalam) selaku narasumber
yang memberikan informasi seputar penelitian penulis.
Universitas Sumatera Utara
v
10. Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat
penulis ucapkan satu demi satu yang telah membantu penyelesaian laporan ini.
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah
memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan
skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena
itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi
kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan,
Penulis,
Kh Nisa Dewi
Universitas Sumatera Utara
vi
ABSTRAK
Penyakit saluran cerna lambung-usus adalah salah satu penyakit yang banyak dialami
oleh masyarakat pada umumnya. Akan tetapi tingkat kesadaran masyarakat untuk
melakukan pemeriksaan lebih lanjut ke dokter sangat rendah. Dengan memanfaatkan
Jaringan Syaraf Tiruan maka sistem ini dapat memprediksi tingkat keakuratan dalam
menentukan penyakit dan obat yang tepat untuk meringankan penyakit tersebut.
Dengan menggunakan perbandingan algoritma Bidirectional Associative Memory
(BAM) dan Learning Vector Quantization (LVQ), gejala penyakit saluran cerna
lambung-usus akan dijadikan masukan untuk dilatih sehingga dapat mengenali
penyakit yang telah ditetapkan. Terdapat 20 sampel gejala penyakit yang akan
dikelompokkan ke dalam 4 penyakit yaitu Radang Kerongkongan (reflux
oesophagitis), Radang Lambung (gastritis), Tukak Lambung-Usus (ulcus pepticum),
dan Kanker Lambung, dengan jenis obat yaitu Antasida, Ranitidin, Omeprazole,
Domperidone, Sukralfat, Bismuth, Amoxixilin, Claritromixin, Kemoterapi, Radiasi,
dan Operasi. Berdasarkan hasil pengujian, waktu proses pelatihan algoritma BAM
relatif lebih cepat dibandingkan dengan LVQ dimana watu pelatihan BAM yaitu 28
detik sedangkan LVQ yaitu 76 detik. Dan waktu proses pengujian algoritma BAM
relatif lebih cepat dibandingkan dengan LVQ, dimana watu pengujian BAM yaitu 1.3
detik sedangkan LVQ yaitu 5.2 detik, dan ketepatan algoritma BAM dalam
memprediksi 87.5% lebih tepat dibandingkan dengan persentase ketepatan prediksi
LVQ yaitu 77.5%.
Katakunci: Penyakit Saluran Cerna Lambung-Usus, Malpraktik, Jaringan
Syaraf Tiruan, Bidirectional Associative Memory (BAM), Learning Vector
Quantization (LVQ), Jenis Obat, Dokter.
Universitas Sumatera Utara
vii
The Comparison Between Bidirectional Associative Memory and Learning
Vector Quantization On Establishing Medicine For Gastric-Gut
Gastrointestinal Disease
ABSTRACT
Gastric-Gut Gastrointestinal disease is one of the diseases which were suffered by so
many people. But, their awareness about this disease is really low, just a little of them
who want to check this disease to the doctor. With the mean of Neural Network, this
system can predict the accuracy of establishing the disease and also the right medicine
to relieve this illness. With the used of comparison between Bidirectional Associative
Memory and Learning Vector Quantization, the symptom of gastrointestinal disease
will used as the input patterns. Those inputs were used for training to recognizing the
disease. There are 20 symptoms which will be grouped in to 4 kind of diseases, which
are : Esophagus Inflammation (reflux esophagitis), Gastroenteritis (gastritis), GastricGut Ulcers (ulcus pepticum), Stomach Cancer, and there are various kind of medicine
which are : Antasida, Ranitidin, Omeprazole, Domperidone, Sukralfat, Bismuth,
Amoxixilin, Claritromixin, radiation, and surgery. Based on the result, the process
timing on training using BAM algorithm was faster than using LVQ. The training time
using BAM is 28 second, while LVQ need 76 second. And the testing time using
BAM was also faster than LVQ. Which BAM need just 1.3 second, while LVQ need
5.2 second. The accuracy on predicting using BAM is 87.5% while the accuracy using
LVQ is 77.5%.
Keyword: Gastric-Gut Gastrointestinal disease, Malpractice, Neural Network,
Bidirectional Associative Memory (BAM), Learning Vector Quantization (LVQ),
Medicine, Doctor.
Universitas Sumatera Utara
viii
DAFTAR ISI
Hal.
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
ii
iii
iv
vi
vii
viii
xi
xii
Bab 1 : Pendahuluan
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.
1.7.
1
Latar Belakang
Rumusan Masalah
Batasan Masalah
Tujuan Penelitian
Manfaat Penelitian
Metodologi Penulisan
Sistematika Penulisan
1
2
2
3
3
3
4
Bab 2 : Landasan Teori
2.1. Jaringan Saraf Tiruan
2.2. Arsitektur Jaringan Saraf Tiruan
2.3. Fungsi Aktivasi
2.4. Pelatihan Jaringan Saraf Tiruan
2.5. Algoritma Jaringan Saraf Tiruan
2.6. Bidirectional Associative Memory (BAM)
2.7. Learning Vector Quantization (LVQ)
2.8. Saluran Pencernaan
2.9. Struktur Lambung-Usus
2.9.1. Lambung
2.9.2. Usus Halus
2.9.3. Usus Besar
2.10. Penyakit Saluran Lambung-Usus
2.11. Obat Pencernaan
6
6
7
7
9
10
10
12
13
14
14
14
15
15
17
Bab 3 : Analisis dan Perancangan Sistem
3.1. Analisis Sistem
3.1.1. Analisis Masalah
3.1.2. Analisis Kebutuhan Sistem
3.1.2.1. Kebutuhan Fungsional Sistem
3.1.2.2. Kebutuhan Non-fungsional Sistem
3.1.3. Analisis Proses Sistem
3.1.3.1. Analisis Proses BAM
3.1.3.2. Analisis Proses LVQ
19
19
19
21
21
22
22
22
26
Universitas Sumatera Utara
ix
3.2. Pemodelan Sistem
3.2.1. Use Case Diagram
3.2.1.1. Use Case Pelatihan BAM
3.2.1.2. Use Case Pengujian BAM
3.2.1.3. Use Case Pelatihan LVQ
3.2.1.4. Use Case Pengujian LVQ
3.2.2. Activity Diagram
3.2.2.1. Activity Diagram Proses Pelatihan BAM
3.2.2.2. Activity Diagram Proses Pengujian BAM
3.2.2.3. Activity Diagram Proses Pelatihan LVQ
3.2.2.4. Activity Diagram Proses Pengujian LVQ
3.2.3. Sequence Diagram
3.2.3.1. Sequence Diagram Proses Pelatihan BAM
3.2.3.2. Sequence Diagram Proses Pengujian BAM
3.2.3.3. Sequence Diagram Proses Pelatihan LVQ
3.2.3.4. Sequence Diagram Proses Pengujian LVQ
3.3. Pseudo code Program
3.3.1. Pseudo code Algoritma BAM
3.3.2. Pseudo code Algoritma LVQ
3.4. Flowchart Sistem
3.4.1. Flowchart Sistem Secara Umum
3.4.2. Flowchart Algoritma BAM
3.4.3. Flowchart Algoritma LVQ
3.5. Perancangan Data
3.5.1. Perancangan Masukan Algoritma BAM dan LVQ
3.5.2. Perancangan Keluaran Algoritma BAM dan LVQ
3.6. Perancangan Antarmuka Sistem
3.6.1. Antarmuka Awal
3.6.2. Antarmuka Algoritma BAM
3.6.3. Antarmuka Algoritma LVQ
3.6.4. Antarmuka Bantuan
3.6.5. Antarmuka Keluar
29
29
30
31
32
33
34
34
35
36
37
38
38
38
39
39
40
40
41
42
42
43
44
45
45
45
46
46
48
50
52
52
Bab 4 : Implementasi dan Pengujian Sistem
4.1. Implementasi Sistem
4.1.1. Tampilan Antarmuka Sistem
4.1.1.1. Antarmuka Beranda Sistem
4.1.1.2. Antarmuka Latih BAM
4.1.1.3. Antarmuka Uji BAM
4.1.1.4. Antarmuka Latih LVQ
4.1.1.5. Antarmuka Uji LVQ
4.1.1.6. Antarmuka Bantuan
4.2. Pengujian Sistem
4.2.1. Jenis Pengujian
4.2.1.1. Kecepatan Pelatihan
4.2.1.2. Kecepatan Pengujian Obat
4.2.1.3. Ketepatan Penentuan Obat
54
54
54
54
55
57
58
59
61
62
62
62
67
69
Bab 5 : Kesimpulan dan Saran
80
Universitas Sumatera Utara
x
5.1. Kesimpulan
5.2. Saran
80
81
Daftar Pustaka
82
Lampiran Listing Program
Lampiran Data Gejala Penyakit Saluran Cerna Lmbung-Usus
Untuk Pelatihan Sistem
Lampiran Hasil Wawancara Dengan Dokter Spesialis Penyakit Dalam
Lampiran Curiculum Vitae
A1
A19
A20
B1
Universitas Sumatera Utara
xi
DAFTAR TABEL
Hal.
3.1 Dokumentasi Naratif Use Case Pelatihan BAM
30
3.2 Dokumentasi Naratif Use Case Pengujian BAM
31
3.3 Dokumentasi Naratif Use Case Pelatihan LVQ
32
3.4 Dokumentasi Naratif Use Case Pengujian LVQ
33
4.1 Perbandingan Waktu Latih Pengenalan Gejala Penyakit Saluran Cerna
Lambung-Usus Dengan Metode BAM Dan LVQ
64
4.2 Perbandingan Waktu Uji Penentuan Obat Penyakit Saluran Cerna
Lambung-Usus Dengan Metode BAM Dan LVQ
67
4.3 Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit
Radang Kerongkongan Dengan Algoritma BAM Dan LVQ
70
4.4 Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit
Radang Lambung Dengan Algoritma BAM Dan LVQ
72
4.5 Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit
Tukak Lambung-Usus Dengan Algoritma BAM Dan LVQ
74
4.6 Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit
Kanker Lambung Dengan Algoritma BAM Dan LVQ
77
1. Data Gejala Penyakit Saluran Cerna Lmbung-Usus
Untuk Pelatihan Sistem
A28
Universitas Sumatera Utara
xii
DAFTAR GAMBAR
Hal.
2.1
Struktur Neuron Jaringan Saraf Tiruan
7
2.2
Ilustrasi fungsi sigmoid biner dengan range (0,1)
8
2.3
Ilustrasi fungsi sigmoid bipolar dengan range (-1,1)
9
2.4
Arsitektur jaringan BAM
11
2.5
Arsitektur jaringan LVQ
12
3.1
Diagram Ishikawa Analisis Permasalahan
21
3.2
Use case Diagram Sistem Penentu Obat Penyakit Saluran Cerna
Lambung-Usus
29
3.3
Activity Diagram Proses Pelatihan BAM
34
3.4
Activity Diagram Proses Pengujian BAM
35
3.5
Activity Diagram Proses Pelatihan LVQ
36
3.6
Activity Diagram Proses Pengujian LVQ
37
3.7
Sequence Diagram Proses Pelatihan BAM
38
3.8
Sequence Diagram Proses Pengujian BAM
38
3.9
Sequence Diagram Proses Pelatihan LVQ
39
3.10 Sequence Diagram Proses Pengujian LVQ
39
3.11 Flowchart Sistem Secara Umum
42
3.12 Flowchart Algoritma BAM
43
3.13 Flowchart Algoritma LVQ
44
3.14 Tampilan Antarmuka Awal
46
3.15 Tampilan Antarmuka Pelatihan Algoritma BAM
48
3.16 Tampilan Antarmuka Pengujian Algoritma BAM
49
3.17 Tampilan Antarmuka Pelatihan Algoritma LVQ
50
3.18 Tampilan Antarmuka Pengujian Algoritma LVQ
51
3.19 Tampilan Antarmuka Bantuan Penggunaan Sistem
52
3.20 Tampilan Antarmuka Keluar Dari Sistem
52
4.1
Menu Beranda Sistem
55
4.2
Form Latih BAM
56
4.3
Form Berhasil Simpan
56
Universitas Sumatera Utara
xiii
4.4
Form Sebelum Pengujian BAM
57
4.5
Form Setelah Pengujian BAM
58
4.6
Form Latih LVQ
59
4.7
Form Berhasil Simpan
59
4.8
Form Sebelum Pengujian LVQ
60
4.9
Form Setelah Pengujian LVQ
61
4.10 Form Antarmuka Bantuan
61
4.11 Hasil Pelatihan BAM
63
4.12 Hasil Pelatihan LVQ
63
4.13 Grafik Perbandingan Kecepatan Pelatihan Pengenalan Gejala
Penyakit Dengan Algoritma BAM Dan LVQ
65
4.14 Hasil Pengujian BAM
66
4.15 Hasil Pengujian LVQ
67
4.16 Grafik Perbandingan Kecepatan Pengujian Penentuan Obat
Penyakit Dengan Algoritma BAM Dan LVQ
69
4.17 Grafik Perbandingan Persentase Ketepatan Penentuan Obat
Penyakit Dengan Algoritma BAM Dan LVQ
78
Universitas Sumatera Utara
MEMORY DAN LEARNING VECTOR QUANTIZATION DALAM
MENENTUKAN OBAT PENYAKIT SALURAN CERNA
LAMBUNG-USUS
SKRIPSI
KH NISA DEWI
111401003
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
Universitas Sumatera Utara
PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY
DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN
OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar
Sarjana Komputer
KH NISA DEWI
111401003
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: PERBANDINGAN ALGORITMA BIDIRECTIONAL
ASSOCIATIVE MEMORY DAN LEARNING VECTOR
QUANTIZATION DALAM MENENTUKAN OBAT
PENYAKIT SALURAN CERNA LAMBUNG-USUS
Kategori
: SKRIPSI
Nama
: KH NISA DEWI
Nomor Induk Mahasiswa
: 111401003
Program Studi
: S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan,
Komisi Pembimbing :
Pembimbing 2
Amer Sharif, S.Si,M.Kom
NIP. -
Pembimbing 1
Dr. Poltak Sihombing, M.Kom
NIP. 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 196203171991031001
Universitas Sumatera Utara
iii
PERNYATAAN
PERBANDINGAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY
DAN LEARNING VECTOR QUANTIZATION DALAM MENENTUKAN
OBAT PENYAKIT SALURAN CERNA LAMBUNG-USUS
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan,
Kh Nisa Dewi
111401003
Universitas Sumatera Utara
iv
PENGHARGAAN
Alhamdulillah. Puji dan syukur kehadirat Allah SWT, yang dengan rahmat dan
karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini. Yang mana skripsi
ini ditulis sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program
Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara.
Pada pengejaan skripsi dengan judul Perbandingan Algoritma Bidirectional
Associative Memory dan Learning Vector Quantization Dalam Menentukan Obat
Penyakit Saluran Cerna Lambung-Usus ini, penulis menyadari banyak pihak yang
turut membantu serta memotivasi dalam pengerjaannya. Untuk itu, dalam kesempatan
ini, penulis mengucapkan terima kasih kepada :
1. Bapak Prof. Drs. Subhilhar, M.A., Ph.D selaku Plt. Rektor Universitas Sumatera
Utara.
2. Bapak Prof. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi
Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Dosen Pembimbing I dan Ketua
Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi
Informasi Universitas Sumatera Utara.
4. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah banyak
memberi arahan dan motivasi dalam pengerjaan skripsi saya.
5. Bapak Drs. Marihat Situmorang, M.Kom selaku Dosen Penguji I yang telah
meluangkan waktunya untuk memberi saran-saran dan kritik guna
menyempurnakan skripsi penulis.
6. Bapak Handrizal, S.Si, M.Comp, Sc selaku Dosen Penguji II yang telah
memberi banyak masukan dan saran-saran untuk skripsi penulis.
7. Orang tua penulis Muhammad Amin dan Sumiati, serta saudara penulis Kh
Rizal Fauzi yang tidak pernah berhenti memberi dukungan dalam segala
bentuk, kasih sayang dan motivasi penuh kepada penulis.
8. Terkhusus pada Kak Yayang yang selalu sabar dan memberikan masukan
untuk skripsi penulis serta teman-teman seperjuangan terbaik, Sofiya Nazara,
Dini, Gina, Bunga, Ema, Syafura, Novi dan teman-teman yang lain yang selalu
memberikan bantuan, semangat, dan tempat berbagi suka duka penulis.
9. Dr. Alwinsyah Abidin SpPD (Spesialis Penyakit Dalam) selaku narasumber
yang memberikan informasi seputar penelitian penulis.
Universitas Sumatera Utara
v
10. Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat
penulis ucapkan satu demi satu yang telah membantu penyelesaian laporan ini.
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah
memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan
skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena
itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi
kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan,
Penulis,
Kh Nisa Dewi
Universitas Sumatera Utara
vi
ABSTRAK
Penyakit saluran cerna lambung-usus adalah salah satu penyakit yang banyak dialami
oleh masyarakat pada umumnya. Akan tetapi tingkat kesadaran masyarakat untuk
melakukan pemeriksaan lebih lanjut ke dokter sangat rendah. Dengan memanfaatkan
Jaringan Syaraf Tiruan maka sistem ini dapat memprediksi tingkat keakuratan dalam
menentukan penyakit dan obat yang tepat untuk meringankan penyakit tersebut.
Dengan menggunakan perbandingan algoritma Bidirectional Associative Memory
(BAM) dan Learning Vector Quantization (LVQ), gejala penyakit saluran cerna
lambung-usus akan dijadikan masukan untuk dilatih sehingga dapat mengenali
penyakit yang telah ditetapkan. Terdapat 20 sampel gejala penyakit yang akan
dikelompokkan ke dalam 4 penyakit yaitu Radang Kerongkongan (reflux
oesophagitis), Radang Lambung (gastritis), Tukak Lambung-Usus (ulcus pepticum),
dan Kanker Lambung, dengan jenis obat yaitu Antasida, Ranitidin, Omeprazole,
Domperidone, Sukralfat, Bismuth, Amoxixilin, Claritromixin, Kemoterapi, Radiasi,
dan Operasi. Berdasarkan hasil pengujian, waktu proses pelatihan algoritma BAM
relatif lebih cepat dibandingkan dengan LVQ dimana watu pelatihan BAM yaitu 28
detik sedangkan LVQ yaitu 76 detik. Dan waktu proses pengujian algoritma BAM
relatif lebih cepat dibandingkan dengan LVQ, dimana watu pengujian BAM yaitu 1.3
detik sedangkan LVQ yaitu 5.2 detik, dan ketepatan algoritma BAM dalam
memprediksi 87.5% lebih tepat dibandingkan dengan persentase ketepatan prediksi
LVQ yaitu 77.5%.
Katakunci: Penyakit Saluran Cerna Lambung-Usus, Malpraktik, Jaringan
Syaraf Tiruan, Bidirectional Associative Memory (BAM), Learning Vector
Quantization (LVQ), Jenis Obat, Dokter.
Universitas Sumatera Utara
vii
The Comparison Between Bidirectional Associative Memory and Learning
Vector Quantization On Establishing Medicine For Gastric-Gut
Gastrointestinal Disease
ABSTRACT
Gastric-Gut Gastrointestinal disease is one of the diseases which were suffered by so
many people. But, their awareness about this disease is really low, just a little of them
who want to check this disease to the doctor. With the mean of Neural Network, this
system can predict the accuracy of establishing the disease and also the right medicine
to relieve this illness. With the used of comparison between Bidirectional Associative
Memory and Learning Vector Quantization, the symptom of gastrointestinal disease
will used as the input patterns. Those inputs were used for training to recognizing the
disease. There are 20 symptoms which will be grouped in to 4 kind of diseases, which
are : Esophagus Inflammation (reflux esophagitis), Gastroenteritis (gastritis), GastricGut Ulcers (ulcus pepticum), Stomach Cancer, and there are various kind of medicine
which are : Antasida, Ranitidin, Omeprazole, Domperidone, Sukralfat, Bismuth,
Amoxixilin, Claritromixin, radiation, and surgery. Based on the result, the process
timing on training using BAM algorithm was faster than using LVQ. The training time
using BAM is 28 second, while LVQ need 76 second. And the testing time using
BAM was also faster than LVQ. Which BAM need just 1.3 second, while LVQ need
5.2 second. The accuracy on predicting using BAM is 87.5% while the accuracy using
LVQ is 77.5%.
Keyword: Gastric-Gut Gastrointestinal disease, Malpractice, Neural Network,
Bidirectional Associative Memory (BAM), Learning Vector Quantization (LVQ),
Medicine, Doctor.
Universitas Sumatera Utara
viii
DAFTAR ISI
Hal.
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
ii
iii
iv
vi
vii
viii
xi
xii
Bab 1 : Pendahuluan
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.
1.7.
1
Latar Belakang
Rumusan Masalah
Batasan Masalah
Tujuan Penelitian
Manfaat Penelitian
Metodologi Penulisan
Sistematika Penulisan
1
2
2
3
3
3
4
Bab 2 : Landasan Teori
2.1. Jaringan Saraf Tiruan
2.2. Arsitektur Jaringan Saraf Tiruan
2.3. Fungsi Aktivasi
2.4. Pelatihan Jaringan Saraf Tiruan
2.5. Algoritma Jaringan Saraf Tiruan
2.6. Bidirectional Associative Memory (BAM)
2.7. Learning Vector Quantization (LVQ)
2.8. Saluran Pencernaan
2.9. Struktur Lambung-Usus
2.9.1. Lambung
2.9.2. Usus Halus
2.9.3. Usus Besar
2.10. Penyakit Saluran Lambung-Usus
2.11. Obat Pencernaan
6
6
7
7
9
10
10
12
13
14
14
14
15
15
17
Bab 3 : Analisis dan Perancangan Sistem
3.1. Analisis Sistem
3.1.1. Analisis Masalah
3.1.2. Analisis Kebutuhan Sistem
3.1.2.1. Kebutuhan Fungsional Sistem
3.1.2.2. Kebutuhan Non-fungsional Sistem
3.1.3. Analisis Proses Sistem
3.1.3.1. Analisis Proses BAM
3.1.3.2. Analisis Proses LVQ
19
19
19
21
21
22
22
22
26
Universitas Sumatera Utara
ix
3.2. Pemodelan Sistem
3.2.1. Use Case Diagram
3.2.1.1. Use Case Pelatihan BAM
3.2.1.2. Use Case Pengujian BAM
3.2.1.3. Use Case Pelatihan LVQ
3.2.1.4. Use Case Pengujian LVQ
3.2.2. Activity Diagram
3.2.2.1. Activity Diagram Proses Pelatihan BAM
3.2.2.2. Activity Diagram Proses Pengujian BAM
3.2.2.3. Activity Diagram Proses Pelatihan LVQ
3.2.2.4. Activity Diagram Proses Pengujian LVQ
3.2.3. Sequence Diagram
3.2.3.1. Sequence Diagram Proses Pelatihan BAM
3.2.3.2. Sequence Diagram Proses Pengujian BAM
3.2.3.3. Sequence Diagram Proses Pelatihan LVQ
3.2.3.4. Sequence Diagram Proses Pengujian LVQ
3.3. Pseudo code Program
3.3.1. Pseudo code Algoritma BAM
3.3.2. Pseudo code Algoritma LVQ
3.4. Flowchart Sistem
3.4.1. Flowchart Sistem Secara Umum
3.4.2. Flowchart Algoritma BAM
3.4.3. Flowchart Algoritma LVQ
3.5. Perancangan Data
3.5.1. Perancangan Masukan Algoritma BAM dan LVQ
3.5.2. Perancangan Keluaran Algoritma BAM dan LVQ
3.6. Perancangan Antarmuka Sistem
3.6.1. Antarmuka Awal
3.6.2. Antarmuka Algoritma BAM
3.6.3. Antarmuka Algoritma LVQ
3.6.4. Antarmuka Bantuan
3.6.5. Antarmuka Keluar
29
29
30
31
32
33
34
34
35
36
37
38
38
38
39
39
40
40
41
42
42
43
44
45
45
45
46
46
48
50
52
52
Bab 4 : Implementasi dan Pengujian Sistem
4.1. Implementasi Sistem
4.1.1. Tampilan Antarmuka Sistem
4.1.1.1. Antarmuka Beranda Sistem
4.1.1.2. Antarmuka Latih BAM
4.1.1.3. Antarmuka Uji BAM
4.1.1.4. Antarmuka Latih LVQ
4.1.1.5. Antarmuka Uji LVQ
4.1.1.6. Antarmuka Bantuan
4.2. Pengujian Sistem
4.2.1. Jenis Pengujian
4.2.1.1. Kecepatan Pelatihan
4.2.1.2. Kecepatan Pengujian Obat
4.2.1.3. Ketepatan Penentuan Obat
54
54
54
54
55
57
58
59
61
62
62
62
67
69
Bab 5 : Kesimpulan dan Saran
80
Universitas Sumatera Utara
x
5.1. Kesimpulan
5.2. Saran
80
81
Daftar Pustaka
82
Lampiran Listing Program
Lampiran Data Gejala Penyakit Saluran Cerna Lmbung-Usus
Untuk Pelatihan Sistem
Lampiran Hasil Wawancara Dengan Dokter Spesialis Penyakit Dalam
Lampiran Curiculum Vitae
A1
A19
A20
B1
Universitas Sumatera Utara
xi
DAFTAR TABEL
Hal.
3.1 Dokumentasi Naratif Use Case Pelatihan BAM
30
3.2 Dokumentasi Naratif Use Case Pengujian BAM
31
3.3 Dokumentasi Naratif Use Case Pelatihan LVQ
32
3.4 Dokumentasi Naratif Use Case Pengujian LVQ
33
4.1 Perbandingan Waktu Latih Pengenalan Gejala Penyakit Saluran Cerna
Lambung-Usus Dengan Metode BAM Dan LVQ
64
4.2 Perbandingan Waktu Uji Penentuan Obat Penyakit Saluran Cerna
Lambung-Usus Dengan Metode BAM Dan LVQ
67
4.3 Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit
Radang Kerongkongan Dengan Algoritma BAM Dan LVQ
70
4.4 Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit
Radang Lambung Dengan Algoritma BAM Dan LVQ
72
4.5 Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit
Tukak Lambung-Usus Dengan Algoritma BAM Dan LVQ
74
4.6 Hasil Uji Ketepatan Dalam Menentukan Jenis Obat Penyakit
Kanker Lambung Dengan Algoritma BAM Dan LVQ
77
1. Data Gejala Penyakit Saluran Cerna Lmbung-Usus
Untuk Pelatihan Sistem
A28
Universitas Sumatera Utara
xii
DAFTAR GAMBAR
Hal.
2.1
Struktur Neuron Jaringan Saraf Tiruan
7
2.2
Ilustrasi fungsi sigmoid biner dengan range (0,1)
8
2.3
Ilustrasi fungsi sigmoid bipolar dengan range (-1,1)
9
2.4
Arsitektur jaringan BAM
11
2.5
Arsitektur jaringan LVQ
12
3.1
Diagram Ishikawa Analisis Permasalahan
21
3.2
Use case Diagram Sistem Penentu Obat Penyakit Saluran Cerna
Lambung-Usus
29
3.3
Activity Diagram Proses Pelatihan BAM
34
3.4
Activity Diagram Proses Pengujian BAM
35
3.5
Activity Diagram Proses Pelatihan LVQ
36
3.6
Activity Diagram Proses Pengujian LVQ
37
3.7
Sequence Diagram Proses Pelatihan BAM
38
3.8
Sequence Diagram Proses Pengujian BAM
38
3.9
Sequence Diagram Proses Pelatihan LVQ
39
3.10 Sequence Diagram Proses Pengujian LVQ
39
3.11 Flowchart Sistem Secara Umum
42
3.12 Flowchart Algoritma BAM
43
3.13 Flowchart Algoritma LVQ
44
3.14 Tampilan Antarmuka Awal
46
3.15 Tampilan Antarmuka Pelatihan Algoritma BAM
48
3.16 Tampilan Antarmuka Pengujian Algoritma BAM
49
3.17 Tampilan Antarmuka Pelatihan Algoritma LVQ
50
3.18 Tampilan Antarmuka Pengujian Algoritma LVQ
51
3.19 Tampilan Antarmuka Bantuan Penggunaan Sistem
52
3.20 Tampilan Antarmuka Keluar Dari Sistem
52
4.1
Menu Beranda Sistem
55
4.2
Form Latih BAM
56
4.3
Form Berhasil Simpan
56
Universitas Sumatera Utara
xiii
4.4
Form Sebelum Pengujian BAM
57
4.5
Form Setelah Pengujian BAM
58
4.6
Form Latih LVQ
59
4.7
Form Berhasil Simpan
59
4.8
Form Sebelum Pengujian LVQ
60
4.9
Form Setelah Pengujian LVQ
61
4.10 Form Antarmuka Bantuan
61
4.11 Hasil Pelatihan BAM
63
4.12 Hasil Pelatihan LVQ
63
4.13 Grafik Perbandingan Kecepatan Pelatihan Pengenalan Gejala
Penyakit Dengan Algoritma BAM Dan LVQ
65
4.14 Hasil Pengujian BAM
66
4.15 Hasil Pengujian LVQ
67
4.16 Grafik Perbandingan Kecepatan Pengujian Penentuan Obat
Penyakit Dengan Algoritma BAM Dan LVQ
69
4.17 Grafik Perbandingan Persentase Ketepatan Penentuan Obat
Penyakit Dengan Algoritma BAM Dan LVQ
78
Universitas Sumatera Utara