Penerapan algoritma adaline untuk menentukan jenis penyakit dan ramuan obat Cina (produk Tianshi) yang digunakan untuk mengobatinya - USD Repository

  ! " # $ #%! ! # #

  # & '%# & & ! (

  )# )" # *+,-+.*+.

  / 1 /

  1 / 1 /

  1

  1

  1 % / !' !! %' % ) % 4 %!! 5 5# 6 7 %#& 6 7 %' '%# %

  "( )# )" # *+,-+.*+. Nama : Andri Ridya Putra NIM : 015314014 Mata Kuliah : Tugas Akhir Kode : TIF 402 Semester : Ganjil Tahun Akademik: 2006/2007 Fakultas : Teknik Program Studi : Teknik Informatika

  Telah diperiksa dan disetujui Di Yogyakarta Pada tanggal : 21 Mei 2007 Dosen Pembimbing

  Dengan ini saya sebagai penulis tugas akhir menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, kecuali pemikiran, metode atau hasil penelitian orang lain yang diambil disebutkan dengan jelas sebagai acuan.

  Yogyakarta, Mei 2007 Andri Ridya Putra

  Penulis

  1

  

1

  1 Salah satu cabang dari AI adalah atau jaringan syaraf tiruan. Jaringan syaraf tiruan merupakan sistem komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologi di dalam otak. Dalam hal ini dapat digambarkan sebagai model matematis dan komputasi untuk fungsi aproksimasi nonlinier, klasifikasi data, dan non parametrik atau sebagai sebuah simulasi dari korelasi model syaraf biologi. Salah satu bidang terapan AI merupakan bidang kedokteran dan khusus dalam hal ini adalah dalam pengobatan penyakit, kemampuan untuk mendeteksi jenis penyakit tertentu untuk kemudian ditentukan jenis obat Cina (ramuan ) yang digunakan pada manusia.

  Hasil terapan ini dapat dipergunakan untuk membantu mempercepat memilih jenis obat bagi pasien yang membutuhkan ramuan ini dengan cara mengembangkan jaringan syaraf tiruan dengan

  . Aturan pembelajaran akan meminimalisasi rata6rata kesalahan yang terjadi antara aktivasi dengan nilai target. Dengan demikian algoritma ini dapat digunakan untuk menentukan jenis6jenis ramuan Obat Cina (Produk ) dari

  I One of the branch of AI (Artificial Intelligence) is Artificial Neural Networks (ANN) or artificial nerve network. Artificial Nerve network is computing system where operation and architecture inspired from knowledge concerning biological nerve cell in brain. In this case can be described as by mathematical model and computing for the function of non linier aproksimasi, data classification, and cluster of regresi the non parametrik or as a simulations of correlation model biological nerve. One of the area of terapan AI ( Artificial Intelligence) is doctor area and special in this case is in medication of disease, ability to detect selected disease type to is later; then determined by type medicine Chinese ( ingredient of Tianshi) used at human being.

  Result of this terapan can be utilized to assist to to quicken to choose type medicine for patient requiring ingredient of Tianshi this by developing artificial nerve network with ADALINE (Linear Adaptive of Neuron).Order Study of mistake mean minimal that happened among activation with goals value.

  Thereby this algorithm can be used to determine ingredient type Medicine

  Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa yang telah melimpahkan berkat6Nya sehingga penulis dapat menyelesaikan Laporan Tugas Akhir ini. Penulisan tugas akhir ini ditujukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana Teknik Jurusan Teknik Informatika.

  Terselesaikannya penulisan tugas akhir ini tidak lepas dari peran serta beberapa pihak, baik secara langsung maupun secara tidak langsung. Oleh karena itu, penulis ingin menyampaikan terima kasih kepada pihak6pihak yang telah ikut membantu dalam penulisan tugas akhir ini, baik dalam memberikan bimbingan, petunjuk, kerjasama, kritikan, maupun saran, antara lain kepada:

  1. Bapak Drs. J.J, Siang,M.Sc, selaku Dosen Pembimbing, yang telah banyak membantu terutama dalam memberikan bimbingan, dukungan, dan penyediaan sarana yang mendukung, sehingga penulis dapat menyelesaikan laporan tugas akhir ini.

  2. Ibu Agnes Maria Polina, S.Kom., M.Sc., selaku Ketua Jurusan Teknik Informatika Universitas Sanata Dharma.

  3. Ibu Ridowati Gunawan, S.Kom., M.T., dan Bapak H.Agung Hernawan, S.T,

  Bele, terima kasih atas seluruh bantuannya menjelang dan pada saat pendadaran.

  5. Kedua orang tua penulis, budhe penulis serta kakak dan adik penulis, yang selalu mendoakan, memberikan semangat dan dorongan kepada penulis untuk dapat menyelesaikan penulisan laporan tugas akhir ini.

  6. Teman6teman Jurusan Teknik Informatika Angkatan 2001 (A dan B) yang telah berjuang bersama.

  7. Teman6teman di Fakultas Ilmu Budaya Universitas Gadjah Mada Yogyakarta yang banyak memberikan motifasi (Dr.Ida Rochani Adi, S.U., Mas Erwin, Mas Hananto, Mbak Tutik, Mbak Jatu, Agit dan Sari).

  8. Mas Erwin dan Mas Hananto yang banyak memberikan ilmu nya yang sangat berharga bagi penulis terutama dalam hal Teknologi Komputer.

  9. Rosanto Adi selaku Asisten Direktur Utama Rosalia Indah Group yang memberikan kesempatan bagi penulis dalam menyelesaikan tulisan ini.

  10. Teman6teman kerja di Rosalia Indah Tour and Travel Solo yang banyak membantu dalam memberikan dorongan dalam menyelesaikan tulisan ini.

  11. Dan seluruh pihak yang telah ikut ambil bagian dalam penyelesaian laporan tugas akhir ini yang tidak dapat penulis sebutkan satu6persatu.

  Seperti kata pepatah, “Tak ada gading yang tak retak”, maka penulis menyadari segala keterbatasan dalam menyelesaikan laporan tugas akhir ini. Oleh karena itu, penulis ingin menyampaikan mohon maaf apabila terdapat kesalahan dan kekurangan. Untuk itu, penulis mengharapkan kritik dan saran yang membangun dari seluruh pihak yang membutuhkan laporan tugas akhir ini.

  Semoga laporan tugas akhir ini dapat memberikan manfaat bagi siapa saja yang membutuhkannya. Atas segala perhatiannya dan kerjasamanya, penulis ucapkan terima kasih.

  Yogyakarta, 31 Mei 2007 Andri Ridya Putra

  ( Penulis )

  / Halaman Judul.........................................................................................................ii Halaman Persetujuan……………………………………………………………..iii Halaman Pengesahan……………………………………………………………..iv Halaman Pernyataan……………………………………………………………....v Halaman Persembahan……………………………………………………………vi Halaman Motto……………………………………………………………..........vii Abstraksi...............................................................................................................viii Abstract...................................................................................................................ix Kata Pengantar……………………….....................................................................x Daftar isi...............................................................................................................xiii Daftar Gambar......................................................................................................xvi Daftat Tabel.........................................................................................................xvii

  BAB I Pendahuluan ……………………………………………………………….1

  1.1 Latar Belakang Masalah………………………………………………....1

  1.2 Rumusan Masalah..……………………………………………………...2

  1.3 Batasan Masalah.……………………………….………………………..3

  1.4 Tujuan Penulisan...………………………………………………………4

  1.5 Manfaat Penuliasan...................................................................................5

  2.2 Jaringan Syaraf Tiruan..…..………………………………………….13

  2.3 ADALINE ..................................................17

  2.4 MADALINE ...................................21

  2.5 PENYAKIT PADA MANUSIA..........................................................26

  2.6 DFD ! .................................................................31

  2.7 Bagan Alir """""".....……………………………………….32

  BAB III Analisa dan Perancangan Sistem.............................................................35

  3.1 Metoda Analisis......................................................................................35

  3.2 Sistem Deteksi Penyakit.........................................................................35

  3.3 Analisis Kebutuhan ................................................................................35

  3.4 Metoda Perancangan sistem ...................................................................42

  BAB IV Implementasi Sistem dan Analisa Hasil……….....................................59

  4.1 Lingkungan Implementasi Perangkat Lunak.........................................59

  4.2 Lingkungan Implementasi Perangkat Keras..........................................59

  4.3 Implementasi Data Base........................................................................60

  4.4 Implementasi Antarmuka ......................................................................63

  BAB V Penutup....................................................................................................73

  5.1 Kesimpulan.............................................................................................73

  5.2 Saran.......................................................................................................73

  /

  4.6. Tampilan Halaman Daftar Gejala

  4.1. Relasi Antar Tabel

  62

  4.2. Tampilan Halaman User Interface

  63

  4.3. Tampilan Halaman Login

  64

  4.4. Tampilan Halaman Server Conection

  65

  4.5. Tampilan Halaman Login tidak berhasil

  65

  66

  3.11. Rancangan Antar Muka Manajemen User

  4.7. Tampilan Pesan Peringatan Hapus Data

  67

  4.8. Tampilan Halaman Daftar Penyakit

  67

  4.9. Tampilan Halaman Konfigurasi Jaringan Neuron

  69

  4.10. Tampilan Halaman Proses Pembelajaran

  70

  4.11. Tampilan Halaman Management User

  71

  4.12. Tampilan Halaman Pengujian Diagnosa

  58

  57

  4 # # 5 1 !

  52

  2.1. Syaraf Biologi

  12

  2.2. Arsitektur ADALINE

  19

  2.3. Arsitektur MADALINE

  21

  3.1. Diagram Konteks Sistem Deteksi Penyakit

  44

  3.2 Flowchart proses Pelatihan

  45

  3.3. Rancangan Antar Muka Menu Utama

  3.4. Rancangan Antar Muka Login

  3.10. Rancangan Antar Muka Pengujian

  53

  3.5. Rancangan Antar Muka Server Conection

  53

  3.6. Rancangan Antar Muka Daftar Gejala

  54

  3.7. Rancangan Antar Muka Daftar Penyakit

  55

  3.8. Rancangan Antar Muka Konfigurasi Jaringan Neuron

  56

  3.9. Rancangan Antar Muka Proses Pembelajaran

  56

  72

  /

  48

  3.6. Struktur Tabel User Group

  50

  3.5. Struktur Tabel User

  49

  3.4. Struktur Tabel Penyakit

  48

  3.3. Struktur Tabel Pemodelan

  3.2. Struktur Tabel Gejala

  4 ! # 5 1 !

  47

  3.1. Struktur Tabel Bobot

  34

  2.3 Lanjutan Simbol6simbol pada bagan alir program

  33

  2.2. Simbol6simbol pada bagan alir program

  31

  2.1. Notasi DFD Dasar

  50

  1

• 8+8 # ! 5 & !

  Di era perkembangan teknologi informasi sekarang ini komputer bukan lagi digunakan untuk membantu pekerjaan manusia, tetapi sudah merupakan pengganti peran manusia dalam pekerjaan rutinitasnya, sehingga diharapkan peran sumber daya manusia dapat terbatas dalam menyelesaikan suatu pekerjaan tertentu.

  Dalam perkembangannya banyak pakar melakukan uji coba untuk menciptakan suatu sistem komputer yang dapat diakui lebih cepat, teliti, dan akurat dibandingkan dengan manusia, hal inilah yang mendorong lahirnya teknologi AI

  " Salah satu cabang dari AI adalah atau jaringan syaraf tiruan. Jaringan syaraf tiruan merupakan sistem komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologi di dalam otak. Dalam hal ini dapat digambarkan sebagai model matematis dan komputasi untuk fungsi aproksimasi nonlinier, klasifikasi data, dan non parametrik atau sebagai sebuah simulasi dari korelasi Hasil terapan ini dapat dipergunakan untuk membantu mempercepat memilih jenis obat bagi pasien yang membutuhkan ramuan ini dengan cara mengembangkan jaringan syaraf tiruan dengan

  . Jaringan syaraf tiruan dengan dicetuskan oleh Widrow dan Hoff(1960), pada dasarnya menggunakan aktivasi bipolar (1 atau 61) untuk sinyal input dan target output dimana bobot dalam koneksi yang berasal dari unit input ke mempunyai bias, bobot yang ada dalam suatu koneksi di suatu

  1

  jaringan dapat diatur dan fungsi aktivasinya selalu 1. Aturan pembelajaran akan meminimalisasi rata6rata kesalahan yang terjadi antara aktivasi dengan nilai target. Dengan demikian algoritma ini dapat digunakan untuk menentukan jenis6 jenis ramuan Obat Cina (Produk ) dari suatu gejala6gejala penyakit yang telah ditentukan. Input yang menuju ke jaringan ini adalah berupa gejala6gejala penyakit dan outputnya adalah berupa ramuan apa yang harus digunakan untuk mengobatinya.

• 828 & & !

  Berdasarkan latar belakang masalah di atas maka permasalahan dalam penelitian ini dapat dirumuskan sebagai pengembangan sistem jaringan syaraf tiruan yang dapat mendeteksi jenis penyakit berdasarkan gejala6gejala klinis yang

• 8-8 & & ! Batasan masalah yang digunakan dalam tugas akhir ini adalah :

  1. Penelitian ini hanya membahas proses deteksi beberapa jenis penyakit pada manusia untuk semua usia pasien.

  2. Adapun jenis penyakit yang akan dideteksi antara lain: asma, asam urat, diabetes, hipertensi (darah tinggi), anemia, malaria, TBC, stroke, maag dan migren.

  3. Input yang diperlukan dalam proses ini adalah gejala6gejala klinis yang dominan dalam penegakan diagnosis.

  4. Variabel yang digunakan sebagai input untuk mendeteksi penyakit infeksi pada manusia adalah : a. Alergi b. Batuk.

  c. Pilek/bersin.

  d. Berkeringat e. Lemas.

  f. Napsu makan berkurang.

  g. Mual dan atau muntah.

  h. Kaki/tangan Kesemutan m. Mudah lelah .

  ! )" Data yang digunakan untuk pelatihan input adalah data catatan medis pasien yang menderita penyakit asma, asam urat, diabetes, hipertensi (darah tinggi), anemia, malaria, TBC, stroke, maag dan migren di RSU Brayat Minulya Solo.

  6. Bahasa pemrograman yang dipakai untuk mendeteksi penyakit pada manusia dengan penerapan model jaringan syaraf tiruan adalah dengan menggunakan Borland Delphi 7.0 dan MySQL sebagai databasenya.

• 8.8 ! Tujuan penelitian dalam tugas akhir ini adalah:

  1. Merancang dan membangun sistem jaringan syaraf tiruan untuk mendeteksi beberapa jenis penyakit pada manusia serta obat apa saja yang diperlukan untuk mengobati penyalit tersebut berdasarkan data medis yang ada.

  2. Mengetahui apakah jaringan syaraf tiruan dapat menerima input selain data pelatihan dan melihat bagaimana hasilnya.

  3. Mampu membantu masyarakat umum agar dapat secara dini mengetahui

• 8,8 ' ! Adapun manfaat yang diperoleh dari penelitian ini antara lain :

  1. Dengan jaringan syaraf tiruan dapat dikembangkan suatu alternatif dalam menentukan diagnosa penyakit, seperti : asma, asam urat, diabetes, hipertensi (darah tinggi), anemia, malaria, TBC, stroke, maag dan migren, sehingga dapat segera diketahui langkah pencegahannya.

  2. Mengetahui perancangan jaringan syaraf tiruan untuk penyakit asma, asam urat, diabetes, hipertensi (darah tinggi), anemia, malaria, TBC, stroke, maag dan migren.

• 898 %)%!%5 !
• 898+8 %)%!%5 5 $ !

  Dalam menunjang pencarian fakta dan pengumpulan data guna mendapatkan pemecahan masalah yang berkaitan dengan sistem deteksi penyakit, diperlukan pemahaman tentang bagaimana sistem berjalan. Untuk mengetahui bagaimana

  "

  1. Pengamatan #$ Yaitu suatu metode dimana penyusun mengadakan pengamatan langsung berdasarkan sumber6sumber umum yang ada yaitu pada sub. bagian catatan rekam medis RSU Brayat Minulya Solo 2. Wawancara .

  Metode ini dilakukan dengan melakukan tanya jawab langsung pada dokter atau narasumber lain dengan berlandaskan pada tujuan penelitian

  3. Literatur / Kepustakaan.

  Merupakan pengumpulan data melalui studi literatur (kepustakaan) yang ada hubungannya dengan penyusunan laporan tugas akhir ini.

• 89828 %)%!%5

  5

  4 5 & Metode yang digunakan pada pengembangan sistem atau perangkat lunak adalah :

  1. Analisis dan Rekayasa Sistem.

  Dalam menganalisis sistem secara efektif maka perlu ditetapkan tujuan perancangan dan segala sesuatu yang dibutuhkan dalam perancangan.

  2. Analisis Kebutuhan.

  Analisis kebutuhan yang dilakukan untuk mengetahui segala sesuatu yang

  3. Perancangan "

  Perancangan yang dilakukan untuk mendesain model yang diinginkan, yaitu perancangan arsitektur jaringan syaraf, perancangan proses aliran data, perancangan basis data dan perancangan antarmuka.

  4. Implementasi.

  Implementasi yang dilakukan untuk menerjemahkan perancangan ke dalam bahasa pemrograman, dalam hal ini Borland Delphi 7.0.

  5. Testing (uji coba).

  Uji coba terhadap sistem dilakukan secara keseluruhan.

• 838 & ! &

  Adapun sistematika dalam penulisan tugas akhir ini adalah sebagai berikut:

  BAB I : PENDAHULUAN Meliputi Latar Belakang Masalah, Perumusan Masalah, Batasan Masalah, Tujuan Penelitian, Manfaat Penelitian, Metodologi Penelitian yang dilakukan serta Sistematika Penulisan dalam penyusunan laporan. BAB II : LANDASAN TEORI Dalam bab ini menjelaskan mengenai teori 6 teori yang menjadi dasar di dalam penelitian, yaitu Jaringan Syaraf Biologis,

  BAB III : ANALISIS DAN PERANCANGAN. Dalam bab ini menjelaskan mengenai Metode Analisis, Sistem Deteksi Penyakit, Analisis Kebutuhan, dan Metode Perancangan Sistem. BAB IV : IMPLEMENTASI. Bab ini berisi pembahasan dari hasil pembuatan program sistem deteksi jenis penyakit infeksi tropis pada manusia, kemudian dianalisis untuk diambil kesimpulan.

  BAB V : PENUTUP. Bab ini berisi kesimpulan berdasarkan hasil analisa yang telah dilakukan dan saran bagi pembaca serta semua pihak yang berminat mengembangkan sistem deteksi penyakit serta pengobatannya.

  28+8 # 5 " # ' %!%5 & Sistem syaraf, bersama6sama dengan sistem endokrin, mengurus atau memelihara sebagian besar pengaturan fungsi tubuh. Sejak pembentukannya, sistem syaraf ini mempunyai sifat6sifat mengatur yang sangat kompleks dan khusus. Sistem syaraf menerima berjuta6juta rangsangan informasi yang berasal dari bermacam6macam organ sensorik dan kesemuanya ini bersatu untuk dapat menentukan respon yang akan diberikan oleh tubuh. Disamping sebagai inspirasi awal dari jaringan syaraf tiruan, sistem syaraf biologis memberikan ciri6ciri yang memiliki keuntungan komputasi yang jelas. Pengalaman sensorik ini dapat menimbulkan reaksi yang berlangsung dengan segera, atau ingatan yang terbentuk dapat disimpan di dalam otak dan selanjutnya dapat membantu menentukan reaksi tubuh yang bagaimana yang akan dikeluarkan di masa yang akan datang (Santoso, 2000).

  Syaraf biologis memiliki tiga jenis komponen yang merupakan perhatian khusus dalam memahami tentang jaringan syaraf tiruan, yaitu dendrit, soma dan sinyal6sinyal yang baru saja masuk dengan cara yang sama seperti aksi bobot pada sebuah jaringan syaraf tiruan.

  Soma atau badan sel, menjumlahkan sinyal6sinyal yang baru saja masuk. Ketika input yang cukup diterima, selnya disulut inilah yang mengirimkan sinyal atas akson ke sel lainnya. Sering diperkirakan bahwa sebuah sel, baik disulut atau tidak, pada waktu sesaat, sinyal yang dikirimkan dapat diperlakukan sebagai $ (berpasangan). Akan tetapi frekuensi penyulutan berbeda6beda dan dapat dipandang sebagai sinyal dengan ! yang lebih besar atau lebih kecil. Ini disesuaikan dengan melihat pada setiap tahap atau langkah waktu yang berlainan dan menjumlahkan semua aktifitas (sinyal diterima atau sinyal dikirimkan) pada titik khusus pada waktu tertentu.

  Pengiriman sinyal dari syaraf khusus dikerjakan oleh aksi potensial yang dihasilkan dari kosentrasi ion6ion yang berbeda pada salah satu sisi dari lapisan ! % dari otak). Ion6ion yang paling banyak dilibatkan akson syaraf (“

  !, ! dan secara langsung adalah e.

  Syaraf biologis umum digambarkan pada gambar 2.1, bersama dengan akson dari dua syaraf lainnya (syaraf yang dapat menerima sinyal) dan dendrit untuk dua syaraf lainnya (syaraf yang dapat mengirimkan sinyal). Beberapa ciri6 ciri elemen pemrosesan dari jaringan syaraf tiruan diberikan dari sifat syaraf

  4. Dalam keadaan yang tepat (input yang cukup), syaraf mentransmisikan sebuah tunggal.

  5. Output dari syaraf khusus mungkin menuju ke banyak syaraf lainnya (cabang6 cabang akson).

  Ciri6ciri lainnya dari jaringan syaraf tiruan yang diberikan oleh syaraf biologis adalah :

  1. Pemrosesan informasi adalah lokal/setempat (meskipun pengertian lain dari transmisi, seperti aksi dari hormon, mungkin memberikan pengertian kontrol proses keseluruhan).

  2. Memori dibagi atas : a. Memori jangka panjang terletak pada sinapsis syaraf atau bobot.

  ! 4. untuk sipnasis dapat menjadi pemicu/pembangkit atau penghalang.

  Karakteristik lain yang penting dari jaringan syaraf tiruan, yang sama dengan sistem syaraf biologis adalah toleransi kesalahan . Sistem syaraf dapat memberi toleransi kerusakan untuk sistem syaraf itu sendiri. manusia dilahirkan dengan syaraf sebanyak 100 milyar. Sebagian besar berada dalam otak, dan banyak yang tidak dapat digantikan ketika sel6sel syaraf tersebut telah mati. Walaupun syaraf biologis terus6menerus hilang, manusia tetap berlanjut untuk belajar. Bahkan dalan kasus kehilangan sel syaraf yang parah, syaraf6syaraf lain dapat sewaktu6waktu dilatih untuk mengambil alih fungsi dari sel6sel yang rusak. Dengan cara yang sama, jaringan syaraf tiruan dapat didesain untuk mengabaikan kerusakan kecil pada jaringan, dan jaringan dapat dilatih kembali dalam kasus6 kasus kerusakan yang berarti (misalnya kehilangan data dan beberapa hubungan).

  4 # 28+8 " # ' 4 %!%5 Walaupun bagi penggunaan jaringan syaraf tiruan tidak diharapkan untuk dapat memodelkan sistem syaraf biologis, namun mencoba untuk mencapai Sifat dasar secara topologi dari peta ini mempunyai keuntungan komputasional, bahkan dalam aplikasi dimana struktur unit output sendiri tidak signifikan.

  Para peneliti lain telah menemukan bahwa pengelompokkan dari syaraf tiruan optimal secara komputasional dapat disamakan dengan kumpulan syaraf biologis.

  2828 # 5 " # ' # %, *- !

  Jaringan syaraf tiruan disebut juga *+ % atau *. $ . % serta *- %"

  Sistem ini merupakan suatu model komputer yang mengambil prinsip kerja syaraf otak manusia. Jaringan syaraf tiruan tersusun dari sejumlah besar elemen yang melakukan kegiatan analog dengan fungsi6fungsi biologis neuron yang paling elementer. Elemen6elemen ini terorganisasir sebagaimana layaknya anatomi otak, walaupun tidak persis. Jaringan syaraf tiruan dapat belajar dari pengalaman, melakukan generalisasi dari contoh6contoh yang diperoleh dan mengabstraksi karakteristik esensial input bahkan data yang tidak relevan (Fausett, 1994).

  Jaringan syaraf tiruan beroperasi secara langsung dengan angka sehingga data yang tidak numerik harus diubah menjadi data numerik. Jaringan syaraf tiruan ! dikenal sebagai model karena tidak memerlukan model matematis

• & dari permasalahan yang dihadapi, dikenal juga sebagai kotak hitam +

Jaringan syaraf tiruan diimplementasikan untuk pemecahan masalah komputasi seperti yang dilakukan oleh otak manusia seperti pengenalan pola, pengambilan keputusan, kendali penggerak dan banyak lagi seperti prediksi kebangkrutan pada perusahaan, sebagai suatu mekanisme untuk mengakusisi pengetahuan untuk sistem pakar seperti pada peramalan stok market dengan hasil yang akurat. Pada dasarnya, kebanyakan aplikasi jaringan syaraf tiruan termasuk ke dalam 5 kategori berikut (Haykin, 1994) : 1. Prediksi, menggunakan nilai input untuk memprediksi beberapa output.

  Contohnya memilih barang terbaik dalam market, peramalan cuaca, identifikasi seorang penderita penyakit kanker, dan lain sebagainya.

  Contohnya, adalah input dari huruf ‘A’.

  3. Asosiasi data, pada dasarnya seperti klasifikasi, tetapi juga dapat mengenali data yang berisikan kesalahan. Contohnya, tidak hanya identifikasi karakter yang di scan tetapi identifikasi kapan scanner tidak bekerja sebagaimana mestinya.

  4.

• ) , menganalisa input6input sehingga pengelompokkan hubungan dapat di simpulkan.

  5.

  , menghaluskan sebuah sinyal input. Contohnya,

  1. Kemampuan mengakusisi pengetahuan walaupun dalam kondisi adanya gangguan dan ketidakpastian. Hal ini dikarenakan jaringan syaraf tiruan mampu melakukan generalisasi, abstraksi, dan ekstrasi terhadap properti statistik dari data.

  0" Kemampuan merepresentasikan pengetahuan secara fleksibel. Jaringan syaraf tiruan dapat menciptakan sendiri representasi melalui pengaturan diri sendiri atau kemampuan belajar

  ) "

  3. Kemampuan mentolerir suatu distorsi 1 " Dimana gangguan kecil pada data dapat dianggap hanya (guncangan) belaka.

  4. Kemampuan memproses pengetahuan secara efisien karena memakai sistem paralel, maka waktu yang diperlukan untuk mengoperasikannya menjadi lebih singkat.

  Walaupun dengan banyak kelebihan yang dimiliki, jaringan syaraf tiruan tetap mempunyai sejumlah keterbatasan. Misalnya kekurangmampuannya dalam melakukan operasi6operasi numerik dengan presisi tinggi, operasi algoritma aritmatik, operasi logika, dan oprasi simbolis dan lamanya proses pelatihan yang kadang6kadang membutuhkan waktu berhari6hari untuk jumlah data yang besar.

  2828+8 % & $ & # # 5 " # ' #

  8 Ide dasar jaringan syaraf tiruan adalah konsep belajar. Jaringan6jaringan belajar melakukan generalisasi karakteristik tingkah laku obyek. Jika dilihat dari sudut pandang manusia, hal ini sama seperti bagaimana manusia belajar sesuatu. Manusia mengenal obyek dengan mengatur otak untuk menggolongkan atau melakukan generalisasi terhadap obyek6obyek tersebut. Manusia menyimpan ilmu pengetahuannya ke dalam otak yang berisikan sinapsis, , dan lainnya. Jaringan syaraf menyimpan ilmu pengetahuannya dalam nilai bobot sambungan (seperti sinapsis dalam otak manusia) dan elemen6elemen ( ) yang menghasilkan keluaran.

  Untuk dapat menyelesaikan suatu permasalahan, jaringan syaraf tiruan memerlukan algoritma belajar, yaitu bagaimana sebuah konfigurasi jaringan syaraf tiruan dapat dilatih untuk mempelajari data historis yang ada. Dengan pelatihan ini, pengetahuan yang terdapat pada data dapat diserap dan direpresentasikan oleh harga6harga bobot koneksinya. Ada dua jenis algoritma belajar :

  Metode pembelajaran pada jaringan syaraf disebut terawasi jika output yang

  2 diharapkan telah diketahui sebelumnya. Contoh : , 3 Metode pembelajaran yang tak terawasi ini tidak memerlukan target output. Contoh : Kohonen dan Carpenter(3 $

  2 (ART), dan - ! !.

  282828 % ' 5 # & # 5 " # ' # Menurut strukturnya, jaringan syaraf dapat dibagi kedalam 2 jenis : 1. .

  Sinyal mengalir dari lapisan masukan, lapisan tersembunyi sampai lapisan luaran. Setiap simpul dihubungkan dengan simpul lainnya yang berada di atas dan di bawahnya, tetapi tidak dengan simpul yang berada pada lapisan yang .

  4 5 ) sama. Contoh : (MLP),

• 45 , - $

  , (CMAC)

  3

  7 (GMDH) . 2. 2 .

  Sinyal mengalir dua arah: maju dan mundur. 2 memiliki memori dinamik: luaran6luaran yang berasal dari masukan, sama baiknya seperti masukan dan luaran sebelumnya. Contoh : Hopfield , Elman , dan Jordan . ADALINE dapat diatur. ADALINE mempunyai bias, dimana bobot yang ada dalam suatu koneksi di suatu jaringan dapat diatur dan fungsi aktivasinya selalu 1.

  Secara umum, ADALINE dapat dilatih dengan menggunakan seperti LMS ( '/ ) atau aturan Widrow dan Hoff. Aturan atau algoritma ADALINE juga digunakan untuk jaringan satu lapisan dengan beberapa unit input. ADALINE hanya mempunyai satu unit output.

  Aturan pembelajaran akan meminimalisasi rata6rata kesalahan yang terjadi dengan nilai target. Hal ini akan mengijinkan jaringan untuk melanjutkan pembelajaran pada semua pelatihan, bahkan sesudah nilai output yang benar dihasilkan (jika sebuah fungsi diterapkan) untuk beberapa pola.

  Sesudah pelatihan, jika jaringan itu sedang digunakan untuk klasifikasi pola, dimana output yang dikehendaki, baik +1 atau 61, sebuah fungsi dapat diterapkan kedalam jaringan input untuk memperoleh aktivasi. Jika input jaringan ke ADALINE lebih besar daripada atau sama dengan 0, nilai aktivasinya akan diset menjadi 1, dan jika tidak, nilai aktivasinya sama dengan 61.

  ADALINE adalah unit tunggal yang menerima input dari beberapa unit. ADALINE juga menerima input dari sebuah unit yang sinyalnya selalu +1, untuk bobot bias dilatih oleh proses yang sama, sedangkan digunakan untuk melatih bobot yang lain. ADALINE tunggal ditunjukkan pada gambar 2.2.

  4 # 2828 #& # Beberapa ADALINE yang menerima input yang sama dapat dikombinasikan dalam jaringan satu lapisan, dideskripsikan untuk . Jika ADALINE dalam jaringan satu lapisan ini dikombinasikan, maka dari ADALINE akan berubah menjadi input untuk ADALINE yang lain, sehingga jaringan akan berubah menjadi jaringan banyak lapisan. Kondisi semacam ini akan mempengaruhi dalam penentuan sebuah bobot, karena didalam menentukan bobot akan sangat sulit.

  28-8+8 !5%# ! Sebuah algoritma untuk pelatihan ADALINE adalah sebagai berikut : Langkah 1 : inisialisasi bobot (biasanya menggunakan nilai acak). Set

  α

  (1) Set aktivasi untuk unit input, i = 1….n & =

  (2) Hitung input jaringan ke unit output _

  = $ − &

  ∑

  (3) Perbaharui bias (b) dan bobot (w), i = 1,….,n

• $ ( $ ) = $ ( ! ) ( 1 − _ )

  α ( ) ( ) ( 1 _ )

  $ = ! α − + &

  b. Tes untuk kondisi berhenti. Jika bobot yang paling besar berubah pada langkah a, lebih kecil dibandingkan pada toleransi yang ditetapkan, maka perhitungan bobot bias bisa dihentikan, kalau tidak, dilanjutkan.

  28-828 $! & Sesudah pelatihan, sebuah unit ADALINE dapat digunakan untuk mengklasifikasikan pola input. Jika nilai target bersifat bivalen (polar atau biner), fungsi step dapat diterapkan pada fungsi aktivasi untuk unit bipolar. Prosedur dariu fungsi step yang diterapkan pada target bipolar adalah sebagai berikut: Langkah 1 : inisialisasi bobot a. Set aktivasi unit input untuk x _ = + $ &

  ∑

  b. Fungsi aktivasi yang berlaku adalah 1 _  ≥ jika

  =  1 _ <

  −  diatur dalam jaringan banyak lapisan. Contoh yang diberikan oleh PERCEPTION dan DELTA RULE untuk beberapa unit output, keduanya mengindikasikan tidak ada perubahan dalam proses pelatihan jika beberapa unit ADALINE dikombinasikan dalam jaringan satu lapisan. Arsitektur MADALINE dapat pada gambar 2.3. berikut :

  4 # 28-8 #& # )

  5 2 " 5 #& 4 " ) & % $ penerapan sebuah fungsi ke unit input jaringan. Kemudian y adalah fungsi nonlinear dari input vector (x , x ). Penggunaan unit yang tersembunyi

  1

  2

  yaitu z dan z adalah untuk memberikan kemampuan komputansi yang tidak

  1

  2 ditemukan pada jaringan satu lapisan, tetapi juga mempersulit proses pelatihan.

  28.8+8 !5%# ! Algoritma yang digunakan untuk pelatihan MADALINE ada 2, yaitu MRI dan

  MRII. Dalam algoritma MRI, ditentukan bobot adalah v dan v . Unit output y

  1

  2

  akan bernilai 1 bila sinyal yang diterima dari z dan z adalah 1dan unit output y

  1

  2

  akan bernilai 61 bila sinyal yang diterima dari z dan z adalah 61. dengan kata

  1

  2

  lain, unit y melakukan fungsi logika OR pada suatu sinyal yang diterima dari z

  1

  1

  1

  1 dan z . Bobot pada y adalah 4 = dan 4 = , dengan bias adalah $ = .

  2 _{1 2 3}

  2

  2

  2 Bobot pada ADALINE pertama yang tersembunyi yaitu w dam w , dan bobot

  11

  21

  pada ADALINE kedua yang tersembunyi yaitu w dam w disesuaikan dengan

  12

  22

  algoritmanya. Algoritma pelatihan pada MADALINE MRI adalah sebagai berikut: Langkah 0 : Tentukan fungsi aktivasi untuk masing6masing unit z ,z dan y

  1

  2

  yaitu : Langkah 2 : selama kondisi berhenti bernnilai salah, maka lakukan langkah6 langkah berikut : a. Untuk masing6masing pasangan bipolar s dan t,

  b. Set aktivasi unit input : & =

  c. Hitung input jaringan untuk masing6masing unit ADALINE yang tersembunyi _{22 2 12 2 2 2 21 2 11 1 1 1} _ _

• =
• =

  & & $ ) & & $ )

  d. Tentukan output dari masing6masing unit ADALINE yang ) _ ( ) _ ( _{1 1}

  ) ) ) )

  = =

  e. Tentukan output jaringan ) _ (

  _ _{2 2 1 1 3} ) ) $ =

• =

  f. Tentukan kesalahan dan perbaiki bobot: Jika t = y, tidak ada perubahan perbaikan bobot Jika tidak, kerjakan : Jika t – 1, maka perbaiki bobot pada z

  i

  Unit input terdekat 0 g. Tes kondisi berhenti. Jika perubahan bobot telah berhenti atau jika angka maksimum pada literasi perbaikan bobot telah dilakukan, kondisi berhenti bernilai benar, kalau tidak, lanjutkan.

  Dalam algoritma MR II, ditentukan bobot adalah v dan v , sedangkan bias

  1

  2

  adalah b dan unit output yaitu y. Unit output y akan bernilai 1 bila sinyal yang

  3

  diterima dari z dan z adalah 1dan unit output y akan bernilai 61 bila sinyal yang

  1

  2

  diterima dari z dan z adalah 61. dengan kata lain, unit y melakukan fungsi logika

  1

  

1

  2

  1

  1

  1 Bobot pada y adalah 4 = dan ₁ 4 = , dengan bias adalah $ = . _{2 3}

  2

  2

  2 Bobot pada ADALINE pertama yang tersembunyi yaitu w dam w , dan

  11

  21

  bobot pada ADALINE kedua yang tersembunyi yaitu w dam w disesuaikan

  12

  22

  dengan algoritmanya. Algoritma pelatihan pada MADALINE MRI adalah sebagai berikut: Langkah 0 : Tentukan fungsi aktivasi untuk masing6masing unit z ,z dan y

  1

  2

  yaitu :

  1 &

   ≥ jika =

  

  1 − & <

   Langkah 1 : inisialisasi bobot (biasanya menggunakan nilai atau angka yang a. Untuk masing6masing pasangan bipolar s dan t,

  b. Set aktivasi unit input : & =

  c. Hitung input jaringan untuk masing6masing unit ADALINE yang tersembunyi _{22 2 12 2 2 2 21 2 11 1 1 1} _ _

• =
• =

  & & $ ) & & $ )

  d. Tentukan output dari masing6masing unti ADALINE yang tersembunyi : ) _ (

  ) _ ( _{1 2 1 1} ) )

  ) ) =

  =

  e. Tentukan output jaringan ) _ (

  _ _{2 2 1 1 3} ) ) $ =

• =

  f. Tentukan kesalahan dan perbaiki bobot: Jika t ≠ y, lakukan langkah 1 dan langkah 2 untuk masing6 masing unit tersembunyi, dimana input jaringan terdekat sama dengan 0 (misalnya antara 60,25 sampai 0,25)

  (1) Ubahlah unit output (dari _1 menjadi 61) (2) Hitung ulang respon jaringan (gunakan delta rule untuk

  28,8 " ) & 28,8+8

  A ! adalah suatu gejala yang ditimbulkan oleh kelainan saluran pernapasan yang menyebabkan peningkatan kepekaan terhadap rangsangan dari lingkungan.

  Pemicu kejadian ini dapat berupa kelelahan pikiran (gangguan emosi), kelelahan jasmani, perubahan lingkungan hidup yang tidak diharapkan (cuaca, temperature, dan lain sebagainya), infeksi saluran pernapasan dan reaksi alergi dari bahan yang terhirup atau dimakan. Tingkat kepekaan saluran pernapasanini diawali dari gejala ringan (pilek/bersin atau batuk yang sering berulang/kambuh) sampai dengan gejala yang berat, berupa serangan asma.

  Sekitar 50% gejala ini akan sembuh dengan sendirinya, walaupun pada suatu saat gejala ini akan muncul lagi pada tingkat yang lebih berat. Keadaan ini dikenal sebagai asma.

  28,828 4 & Nama lengkap penyakit ini adalah $ ! , yaitu suatu gangguan dari kelenjar . Menurut perkiraan medis, diabetes tidak bisa disembuhkan, tetapi bias dikontrol dengan pengobatan seumur hidup (Medi Media, 1999). Penyakit diabetes dibagi menjadi 2. Tipe I adalah diabetes yang tergantung

  Penyebab penyakit ini belum bias dipastikan, namun biasanya disebabkan oleh faktor keturunan serta rusaknya kelenjar pankreas.

  28,8-8 1 $ # & Hipertensi atau tekanan darah tinggi adalah tekanan darah yang terbaca dimana diatas 140/90 mmHg. Menurut kalangan kedokteran,

  1 keadaan ini tidak bias disembuhkan, tetapi dapat dikontrol dengan pola hidup sehat dan obat6obatan. Namun menurut Clifford C. Andersin MD, obat6obatan untuk hipertensi pada hakikatnya hanya sekedar meringankan, bukan menyembuhkan.

  28,8.8 Anemia adalah keadaan yang disebabkan oleh rendahnya kadar ! $

  (Hb) darah. Semua Hb yang terdapat didalam mengalami penurunan konsentrasi dibawah nilai normal, sehingga penderita mengalami sakit kepala, pusing, mudah lelah, dan mata berkunang6kunang. Selain karena penurunan konsentrasi Hb, penyakit ini bisa juga disebabkan oleh faktor keturunan, ataupun sel asal rusak karena pengaruh obat6obatan tipe tertentu. penderita. Setelah digunakan obat6obatan dan insektisida, malaria jarang ditemukan di Amerika dan negara berkembang lainnya, tetapi infeksi ini masih sering terjadi di negara6negara tropis. Terdapat 4 spesies parasit malaria, yaitu : (1) . , (3) .

  ! ! &, (2) . ! ! # ! ! !, dan (4) . Semuanya dapat menginfeksi manusia dan

  . ! ! menyebabkan malaria. .

  ! ! ! merupakan penyebab infeksi terbanyak dan paling berbahaya. Gejala biasanya mulai timbul dalam waktu 10635 hari setelah parasit masuk ke dalam tubuh manusia melalui gigitan nyamuk. Gejala awal seringkali berupa demam ringan yang hilang timbul, sakit kepala, sakit otot dan mengigil, bersamaan dengan perasaan tidak enak badan ! " Gejala ini berlangsung selama 263 hari dan sering diduga sebagai gejala flu. Gejala berikutnya dan pola penyakitnya pada keempat jenis malaria ini berbeda. Pada malaria ! bisa terjadi kelainan fungsi otak, yaitu suatu komplikasi yang disebut malaria serebral. Malaria serebral bisa berakibat fatal. Pada malaria

  &, mengigau bisa terjadi jika demam tinggi, sedangkan gejala otak lainnya tidak ada. Pada semua jenis malaria, jumlah sel darah putih total biasanya normal tetapi jumlah limfosit dan monosit meningkat. Jika tidak diobati, biasanya akan timbul 8 ringan (sakit kuning) serta pembesaran hati dan limpa. Kadar gula darah rendah dan hal ini lebih berat pada penderita yang di dalam darahnya

  28,898 TBC adalah penyakit menular yang disebabkan oleh !

  $ ! . Selain terdapat di paru6paru, bakteri ini juga dijumpai di beberapa

  !$ organ diseluruh tubuh, antara lain : usus dan kelenjar limfa (kelenjar getah bening, tulang kulit, otak, ginjal, dan lain6lain) kemungkinan seseorang tertular sangat tinggi, terutama pada daerah yang berpenduduk padat. Gejala umum pada penderita TBC adalah suhu badan naik hingga 39 – 41

  C, kehilangan nafsu makan, batuk yang berkepanjangan, berat badan menurun, dan lain sebagainya.

  Bagi penderita dianjurkan minumm susu dan makanan bergizi setiap hari, istirahat yang cukup, melakukan pernapasan di tempat yang bersih dan segar serta menghindari hal6hal yang dapat menimbulkan stress.

  28,838 #% ) # Merupakan penyakit yang disebabkan karena aliran darah yang mengaliri otak terputus sehingga menyebabkan hilangnya fungsi bagian tubuh yang diatur oleh daerah yang terkena stroke. Stroke biasanya terjadi pada orang lanjut usia. Derajat berat ringannya stroke sangat bervariasi. Bila aliran darah terputus untuk sementara atau hanya sebagian kecil otak yang terkena, maka efeknya juga ringan dan sementara. Sebaliknya, bila aliran darah terputus cukup luas atau bagian otak

  28,8:8

  5 Dalam keadaan normal, dinding lambung biasanya dilindungi oleh lapisan mukosa terhadap pengaruh asam dan enzim yang biasanya terdapat didalam cairan lambung. Bila karena suatu sebab lapisan selaput lender (! ) robek, maka asam lambung akan merusak lapisan dinding lambung dan menyebabkan tukak (luka) dengan garis tengan beberapa sentimeter. Keadaan inilah yang disebut dengan maag/sakit lambung.

  Penyebab penyakit ini belum diketahui secara pasti, namun kebiasaan merokok, minum minuman keras, tekanan batin, makan tidak teratur serta stress diduga dapat menyebabkan pembentukan luka pada lambung.

  28,8;8 5# Migren diduga akibat fenomena dari pembuluh darah yang tidak normal.

  Mekanisme yang sebenarnya belum diketahui dengan jelas. Biasanya, wanita lebih banyak mengalami migren bila dibandingkan dengan pria. Gejala umum yang umum adalah kepala berdenyut dan biasanya hanya pada satu sisi, mual, ingin muntah, serta sensitif terhadap cahaya dan bunyi.

  Untuk mencegah, biasanya penderita dianjurkan untuk mengkonsumsi buah dan sayuran segar, menghindari makanan dan minuman yang mengandung

  2898 5# ! # < Diagram Alir Data /

  ! (DFD) adalah sebuah teknik grafis yang menggambarkan aliran informasi dan trnsformasi yang diaplikasikan pada saat data bergerak dari input menjadi output. DFD juga dikenal sebagai grafik aliran data atau $ $$ (Pressman, 2002). DFD tingkat 0 yang disebut juga dengan model sistem fundamentasi atau diagram konteks, merepresentasikan seluruh elemen sistem sebagai sebuah $ $$ tunggal dengan data input dan output yang ditunjukkan oleh anak panah yang masuk dan keluar secara berurutan. Proses tambahan $ $$ dan jalur aliran informasi direpresentasikan pada saat DFD tingkat 0 dipartisi untuk mengungkapkan detail yang lebih. Setiap proses yang direpresentasikan pada tingkat 1 merupakan subfungsi dari seluruh sistem yang digambarkan di dalam model konteks. Notasi dasar yang digunakan untuk menciptakan suatu DFD adalah sebagai berikut :

  4 ! 28+ Notasi DFD Dasar % % & < 4%! #

  5

  1 Untuk merepresentasikan sebuah entitas eksternal, informasi yang dihasilkan perangkat lunak

  2 Sebuah proses atau transformasi yang diaplikasikan ke data (atau kontrol) dan mengubahnya dengan berbagai macam cara.

  3 Melambangkan satu atau lebih data

  4 Penyimpanan data atau informasi tersimpan yang digunakan oleh perangkat lunak 2838 5 ! #