Percobaan Pertama dengan Inisialisasi Nguyen Widrow Percobaan Kedua dengan Inisialisasi Nguyen Widrow Percobaan Ketiga dengan Inisialisasi Nguyen Widrow

d.Percobaan Pertama dengan Inisialisasi Nguyen Widrow

Percobaan pertama dengan parameter jaringan sebagai berikut: Maksimal epoch = 100 Min Error = 0.01 Maksimal Iterasi = 100 Learning Rate = 0.8 Hasil recognition Pengenalan untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.7. Gambar 4.7 Tampilan Hasil Recognition Gagal Ginjal Akut Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan dimasukkan ke dalam Tabel 4.13. Universitas Sumatera Utara Tabel 4.13 Hasil Recognition Percobaan Pertama Nguen Widrow No Nama Penyakit Prediksi 1 Gagal Ginjal Akut 62,79 2 Kanker Ginjal 15,48 3 Pielonefritis 9.71 4 Sindrom Nefrotik 68,15 5 Hidronefrosis 9.32 6 Kanker Kandung Kemih 4.08 7 Ginjal Polkista 77.08 8 Nefritis Tububinter Stisialis 8.07 9 Sistisis 90.32 10 Infeksi Saluran Kemih 98.97 Prediksi Rata-rata 44,39

e.Percobaan Kedua dengan Inisialisasi Nguyen Widrow

Percobaan kedua dengan parameter jaringan sebagai berikut: Maksimal epoch = 500 Min Error = 0.01 Maksimal Iterasi = 500 Learning Rate = 0.8 Hasil recognition Pengenalan untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.8 Universitas Sumatera Utara Gambar 4.8 Tampilan Hasil Recognition Gagal Ginjal Akut Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan dimasukkan ke dalam Tabel 4.14. Tabel 4.14 Hasil Recognition Percobaan Kedua Nguen Widrow No Nama Penyakit Prediksi 1 Gagal Ginjal Akut 0.66 2 Kanker Ginjal 45.62 3 Pielonefritis 12.30 4 Sindrom Nefrotik 63.84 5 Hidronefrosis 35.77 6 Kanker Kandung Kemih 2.71 7 Ginjal Polkista 64.24 8 Nefritis Tububinter Stisialis 8.57 9 Sistisis 98.72 10 Infeksi Saluran Kemih 99.49 Prediksi Rata-rata 43,192 Universitas Sumatera Utara

f.Percobaan Ketiga dengan Inisialisasi Nguyen Widrow

Percobaan ketiga dengan parameter jaringan sebagai berikut: Maksimal epoch = 1000 Min Error = 0.01 Maksimal Iterasi = 1000 Learning Rate = 0.8 Hasil recognition Pengenalan untuk gejala-gejala yang berhubungan dengan penyakit Gagal Ginjal Akut adalah seperti pada Gambar 4.9 Gambar 4.9 Tampilan Hasil Recognition Gagal Ginjal Akut Selanjutnya dilakukan recognition terhadap gejala-gejala lainnya dan hasilnya dimasukkan pada dimasukkan ke dalam Tabel 4.15. Universitas Sumatera Utara Tabel 4.15 Hasil Recognition Percobaan Ketiga Nguen Widrow No Nama Penyakit Prediksi 1 Gagal Ginjal Akut 0.24 2 Kanker Ginjal 22.91 3 Pielonefritis 2.00 4 Sindrom Nefrotik 84.82 5 Hidronefrosis 94.92 6 Kanker Kandung Kemih 1.35 7 Ginjal Polkista 75.99 8 Nefritis Tububinter Stisialis 16.93 9 Sistisis 98.91 10 Infeksi Saluran Kemih 99.64 Prediksi Rata-rata 49,77

g.Perbandingan Recognition Inisialisasi Acak dengan Nguyen Widrow Percobaan Pertama