Implementasi Jaringan Syaraf Tiruan Dalam Mendeteksi Penyakit Pada Ayam Dengan Metode Self-Organizing Feature Maps (Sofm)

vi
ABSTRAK

Dengan teknologi yang semakin berkembang saat ini, sebuah sistem dapat mendeteksi
penyakit baik pada manusia, tumbuhan maupun hewan. Self-Organizing Feature
Maps adalah salah satu metode jaringan syaraf tiruan yang dapat melakukan
pendeteksian, dimana neuron yang mempunyai jarak yang paling kecil adalah neuron
pemenang atau neuron yang paling sesuai denga input yang diberikan. Parameter
dalam sistem adalah penyakit ayam. Input dalam sistem yaitu berupa 60 ciri dan gejala
penyakit dan outputnya adalah 16 jenis penyakit ayam. Pada sistem ini terdapat proses
pelatihan dan proses pengujian. Pada tugas akhir ini sistem menggunakan Matlab
R2007b dan Microsoft Office Excel 2007 untuk sebagai tempat penyimpanan data
yaitu terdiri dari 60 ciri dan 16 jenis penyakit dikelompokkan ke dalam 4 JST. JST
pertama terdiri dari 15 ciri dan gejala penyakit yang dimulai dari ciri yang pertama
sampai ciri yang ke-15. Begitu juga dengan JST 2 dimulai dari ciri yang ke-16 sampai
ciri yang ke-30. Begitu seterusnya sampai JST 4. Sistem ini dilatih dengan 100 iterasi.
Dengan menginputkan ciri dan gejala penyakit, maka akan diperoleh output berupa
salah satu penyakit ayam dari 16 jenis penyakit. Akan tetapi keakuratan dalam
jaringan syaraf tiruan dengan metode Self Organizing Feature Maps tidak 100% benar
yang ditunjukkan ada beberapa input yang tidak menghasilkan output yang benar.

Katakunci : Jaringan Syaraf Tiruan, Jaringan Kompetitif Self-Organizing
Feature Maps (SOFM), Penyakit Ayam, Iterasi, Pelatihan
Kata Kunci: Pengenalan Pola, Tanda Tangan, AnalisisKomponen Utama,
Saraf Tiruan, Backpropagation

Jaringan

Universitas Sumatera Utara

vii
IMPLEMENTATION OF ARTIFICIAL NEURAL NETWORKS FOR
DETECTING DISEASES IN CHICKEN BY METHOD
SELF-ORGANIZING FEATURE MAPs (SOFM)

ABSTRACT

With the development of technology, a system can detect diseases in humans, plants
and animals. Self-Organizing Feature Maps is one method of neural network that can
perform detection, where the neuron that has the smallest distance is the winner
neuron or neurons that best suits a given input. Parameter in the system are chicken

diseases. Input into the system are 60 traits and symptoms of the diseases and the
output are 16 kinds of chicken diseases. There are training and simulation stages in the
system. The system uses Matlab2007b and Excel 2007 as data storage which consists
of 60 traits and diseases which are then grouped into 4 artificial neural network. The
first artificial neural network has 15 traits and symptoms of the disease, starting from
trait #1 to #15. Traits #16 to #30 are placed in the second artificial neural network, and
so forth until the fourth artificial neural network. The system is trained with 100
iterations. By inputting traits and symptoms, the system will output one of the 16
chicken diseases. However, the accuracy of the artificial neural networks with SOFM
method is not 100% correct which was indicated by some input not resulting in the
correct output.

Keywords: Artificial Neural Networks, Competitive Networks Self-Organizing
Feature Maps (SOFM), Chicken Diseases, Iteration, Training

Universitas Sumatera Utara