ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW DALAM BACK PROPAGATION PADA PENYAKIT GINJAL TESIS ROMANUS DAMANIK

  

ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW

DALAM BACK PROPAGATION PADA PENYAKIT GINJAL

TESIS

ROMANUS DAMANIK

117038011

  

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

  

ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW

DALAM BACK PROPAGATION PADA PENYAKIT GINJAL

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh

ijazah

  

Magister Teknik Informatika

ROMANUS DAMANIK

117038011

  

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

  

PERSETUJUAN

  Judul Tesis : ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW DALAM BACKPROPAGATION PADA PENYAKIT GINJAL

  Kategori : TESIS Nama Mahasiswa : ROMANUS DAMANIK Nomor Induk Mahasiswa : 117038011 Program Studi : MAGISTER TEKNIK INFORMATIKA Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

  INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2, Pembimbing 1,

  Dr. Zakarias Situmorang Prof. Dr. Muhammad Zarlis

  Diketahui/Disetujui oleh Program Studi S2 Teknik Informatika Ketua, Prof. Dr. Muhammad Zarlis NIP. 195707011986011003

  

PERNYATAAN ORISINALITAS

ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW

DALAM BACKPROPAGATION PADA PENYAKIT GINJAL

TESIS

Dengan ini saya nyatakan bahwa saya mengakui semua karya tesis ini adalah

hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap satunya telah

dijelaskan sumbernya dengan benar. Medan, 06 Desember 2013 Romanus Damanik 117038011

  

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

  Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini: Nama : Romanus Damanik NIM : 117038011 Program Studi : Teknik Informatika Jenis Karya Ilmiah : Tesis

  Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty

  Free Right ) atas Tesis saya yang berjudul:

ANALISIS PENGGUNAAN ALGORITMA NGUYEN WIDROW DALAM

BACKPROPAGATION PADA PENYAKIT GINJAL

  Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non- Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan Tesis saya tanpa meminta ijin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.

  Demikian pernyataan ini dibuat dengan sebenarnya.

  Medan, 06 Desember 2013

  Romanus Damanik NIM. 117038011

  Telah diuji pada Tanggal: 06 Desember 2013 PANITIA PENGUJI TESIS Ketua : Prof. Dr.Muhammad Zarlis Anggota : 1. Dr. Zakarias Situmorang

   2. Prof. Dr.Herman Mawengkang

   3. Prof. Dr.Tulus

   4. Dr. Erna Budiharti Nababan, M.IT

  

RIWAYAT HIDUP

DATA PRIBADI Nama Lengkap : Romanus Damanik, S.Kom Tempat dan Tanggal Lahir : Bandar Hanopan, 15 Februari 1979 Alamat Rumah : Perumahan Griya Mekatani Blok-2B - Marendal Handphone : 081264870561 / 081265362951 E-mail Instansi Tempat Bekerja : AMIK MBP MEDAN Alamat Kantor : Jl. Letjend. Jamin Ginting P. Bulan - Medan DATA PENDIDIKAN SD : SD Taman Harapan Medan TAMAT: 1986 SLTP : SMP PGRI 4 Medan TAMAT: 1995 SLTA : SMA YP. Timbul Jaya 1 Medan TAMAT: 1998 S1 : STMIK Sisingamangaraja XII TAMAT: 2007 Jurusan Sistem Informasi S2 : Universitas Sumatera Utara (USU) TAMAT: 2013 Fakultas Ilmu Komputer dan Teknologi Informasi

UCAPAN TERIMA KASIH

  Pertama-tama penulis panjatkan puji syukur kehadirat Tuhan Yang Maha Esa, atas Tesis penulis yang berjudul : “Analisa Penggunaan Algoritma Nguyen Widrow Dalam Backpropagation Pada Penyakit Ginjal” merupakan salah satu syarat akademik penulis sebagai mahasiswa S2, program studi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi (Fasilkom-TI), Universitas Sumatera Utara (USU), Medan dalam menyelesaikan jenjang pendidikan S2. Dengan selesainya tesis ini, perkenankanlah saya mengucapkan terima kasih yang sebesar-besarnya kepada :

  Rektor Universitas Sumatera Utara, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K) atas kesempatan yang diberikan kepada saya untuk mengikuti dan menyelesaikan pendidikan Program Magister.

  Dekan Fakultas Ilmu Komputer Universitas Sumatera Utara sekaligus Ketua Program Studi Magister (S2) Teknik Informatika, Prof. Dr. Muhammad Zarlis dan Sekretaris Program Studi Magister (S2) Teknik Informatika, M. Andri Budiman, S.T, M.Com, M.E.M beserta seluruh staf pengajar yang telah banyak memberikan ilmu pengetahuan selama masa perkuliahan serta seluruh staff pegawai pada Program Studi S2 Teknik Informatika Universitas Sumatera Utara.

  Prof. Dr. Muhammad Zarlis, selaku pembimbing utama yang telah banyak memberikan bimbingan dan arahan serta motivasi kepada penulis dan Dr. Zakarias Situmorang, selaku pembimbing kedua yang telah banyak memberikan bimbingan dan arahan serta motivasi kepada penulis.

  Prof. Dr. Tulus, Prof. Dr. Herman Mawengkang dan Ibu Dr. Erna B. Nababan, M.IT selaku pembanding yang telah banyak memberikan kritikan serta saran kepada penulis.

  Secara khusus untuk Istriku Tercinta dan Tersayang Friska Erdiana Purba, S.Kom, dan anak kami tersayang Ray Handsen Damanik yang telah memberikan perhatian, pengertian, kasih sayang dan motivasi kepada penulis dan juga ucapan terimakasih kepada kedua Orang Tuaku Josep Pius Damanik dan Normalina Saragih yang telah banyak memberikan doa dan perhatiannya kepada penulis. Ucapan terimakasih juga penulis ucapkan kepada teman-teman angkatan 2011 Program Studi

  Akhir kata penulis hanya berdoa kepada Tuhan Yang Maha Esa semoga Tuhan memberikan limpahan karunia kepada semua pihak yang telah memberikan bantuan, perhatian, serta kerjasamanya kepada penulis dalam menyelesaikan tesis ini.

  Medan, 06 Desember 2013

ROMANUS DAMANIK

  NIM. 117038011

  ABSTRAK

  Pada penelitian ini penulis menggunakan algoritma Nguyen Widrow didalam Jaringan Syaraf Tiruan (JST) Backpropagation untuk pengenalan (recognition) gejala atau pola 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

  

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

DAFTAR ISI

  COVER i

  LEMBARPERSETUJUAN ii

  LEMBAR PERSETUJUAN PUBLIKASI iv LEMBAR PANITIA PENGUJI TESIS v

  LEMBAR RIWAYAT HIDUP vi

  LEMBARUCAPANTERIMAKASIH vii

  LEMBARABSTRAK ix

  LEMBARABSTRACT x

  DAFTAR ISI xi

  DAFTAR TABEL xiv

  DAFTAR GAMBAR xv

BAB I PENDAHULUAN

   1

  1.1 Latar Belakang Masalah

  1

  1.2 Perumusan Masalah

  2

  1.3 Batasan Masalah

  2

  1.4 Tujuan Penelitian

  5

  1.4 Manfaat Penelitian

  5 BAB II LANDASAN TEORI

   6

  2.1 Ginjal

  4

  2.2 Jaringan Syaraf Biologi

  4

  2.3 Jaringan Syaraf Tiruan (Neural Network)

  6

  2.3.1 Arsitektur Jaringan Syaraf

  7

  2.3.2 Keuntungan Menggunakan Komputasi dengan JST

  8

  2.4 Algoritma Umum Jaringan Syaraf Tiruan

  9

  2.5 Sejarah Jaringan Syaraf Tiruan

  11

  2.6 Paradigma Pembelajaran

  12

  2.6.1 Pelatihan dengan Supervisi

  13

  2.6.2 Pelatihan Tanpa Supervisi

  14

  2.7 Algoritma Backpropagation

  14

  2.7.1 Fase Propagasi Maju

  15

  2.7.3 Fase Modifikasi Bobot

  16

  2.7.4 Prosedur Pelatihan

  16

  2.8 Inisialisasi Pembobotan

  20 BAB III METODE PENELITIAN

   34

  3.1 Data Yang Digunakan

  34

  3.2 Pendefenisian Input dan Output

  36

  3.2.1 Masukan (Input)

  36

  3.2.2 Keluaran (Output)

  37

  3.3. Algoritma

  38

  3.4. Arsitektur Jaringan

  42 BAB IV ANALISIS DAN PEMBAHASAN

   56

  4.1 Analisis

  56

  4.2 Pembahasan

  57

  4.2.1 Implementasi Pembelajaran (Training)

  a. Percobaan Pertama dengan Inisialisasi Acak

  57

  b. Percobaan Kedua dengan Inisialisasi Acak

  60

  c. Percobaan Ketiga dengan Inisialisasi Acak

  61

  d. Percobaan Pertama dengan Inisialisasi Nguyen Widrow

  61

  e. Percobaan Kedua dengan Inisialisasi Nguyen Widrow

  62

  f. Percobaan Ketiga dengan Inisialisasi Nguyen Widrow

  63

  4.2.2 Implementasi Recognition

  65

  a. Percobaan Pertama dengan Inisialisasi Acak

  65

  b. Percobaan Kedua dengan Inisialisasi Acak

  66

  c. Percobaan Ketiga dengan Inisialisasi Acak

  68

  d. Percobaan Pertama dengan Inisialisasi Nguyen Widrow

  69 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 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

  DAFTAR TABEL

  56

  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

  57

  ) ke layer tersembunyi (Z

  57

  58

  58

  59

  60

  62

  63

  70

  72

  73

  74

  75

  i

  i

  Nomor Tabel

  4.4

  Judul Halaman

  2.1

  3.1

  3.2

  3.3

  3.4

  3.5

  3.6

  4.1

  4.2

  4.3

  4.5

  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

  4.6

  4.7

  4.8

  4.9

  4.10

  4.11

  4.12

  4.13

  4.14

  4.15

  4.16

  4.17

  75

  DAFTAR GAMBAR

  Nomor 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

  31 (Lanjutan)

  3.3 Flowchart Algoritma Pelatihan Backpropagation

  32 (Lanjutan)

  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

  58 Akut

  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

  67 Percobaan Pertama

  4.6 Tampilan Hasil Recognition Gagal Ginjal Akut

  68 Percobaan Ketiga

  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