Analisis Penggunaan Algoritma Kohonen Pada Jaringan Syaraf Tiruan Backpropagation Dalam Pengenalan Pola Penyakit Paru

  ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PENGENALAN POLA PENYAKIT PARU T E S I S ROSMELDA GINTING 117038032 PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

  

ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA

JARINGAN SYARAF TIRUAN BACKPROPAGATION

DALAM PENGENALAN POLA PENYAKIT PARU

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

Magister Teknik Informatika

  

ROSMELDA GINTING

117038032

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

  

2013

  

PENGESAHA N

Judul Tesis : ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PENGENALAN POLA PENYAKIT PARU Kategori : TESIS Nama Mahasiswa : ROSMELDA GINTING Nomor Induk Mahasiswa : 117038032 Program Studi : MAGISTER TEKNIK INFORMATIKA Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

  INFORMASI UNIVERSITAS SUMATERA UTARA

Menyetujui

Komisi Pembimbing

  Dr.Erna Budhiarti Nababan, M.IT Prof.Drs.Tulus,Vordipl.Math., M.Si.,Ph.D Anggota Ketua Diketahui/Disetujui oleh Program Studi S2 Teknik Informatika Ketua, Prof. Dr. Muhammad Zarlis NIP. 195707011986011003

  

PERNYATAAN ORISINALITAS

ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA

JARINGAN SYARAF TIRUAN BACKPROPAGATION

DALAM PENGENALAN POLA PENYAKIT PARU

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, 28 Agustus 2013 Rosmelda Ginting NIM. 117038032

  

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

  Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini : Nama : Rosmelda Ginting NIM : 117038032 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 KOHONEN PADA

JARINGAN SYARAF TIRUAN BACKPROPAGATION

DALAM PENGENALAN POLA PENYAKIT PARU

  Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non- Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk data-base, merawat dan mempublikasikan Tesis saya tanpa meminta izin 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, 28 Agustus 2013

  Rosmelda Ginting NIM. 117038032

  Telah diuji pada Tanggal : 28 Agustus 2013 PANITIA PENGUJI TESIS

KETUA : Prof. Drs. Tulus, Vordipl.Math.,M.Si., Ph.D

Anggota :

  1. Dr. Erna Budhiarti Nababan, M.IT

  2. Prof. Dr. Opim Salim Sitompul

  3. Prof. Dr. Muhammad Zarlis

  4. Prof. Dr. Herman Mawengkang

  RIWAYAT HIDUP DATA PRIBADI Nama lengkap berikut gelar : Rosmelda Ginting, S.Si

Tempat dan Tanggal Lahir : Tiga panah, 21 September 1977

Alamat Rumah : Jl. Pintu Air IV No.65 Kwala

Bekala Medan Johor – Medan Telepon : +6285270002028

E-mail : rosmeldamunthe@yahoo.com

Instansi Tempat Bekerja : SMK Negeri 1 Lubuk Pakam

Alamat Kantor : Jl. Galang Lubuk Pakam DATA PENDIDIKAN SD : SD Negeri 040528 – Suka dame Tamat : 1990 SMP : SMP Negeri Tiga panah Tamat : 1993 SMA : SMA Negeri 1 Tiga panah Tamat : 1996 S1 : UKRIM – Yogyakarta Tamat : 2001 S2 : Teknik Informatika USU Tamat : 2013

UCAPAN TERIMA KASIH

  Pertama-tama penulis panjatkan puji syukur kehadirat Tuhan Yang Maha Esa, atas segala rahmat dan karunia-Nya, penulis dapat menyelesaikan tesis ini dengan baik. Tesis penulis yang berjudul : “Analisis Penggunaan Algoritma Kohonen Pada Jaringan Syaraf Tiruan Backpropagation Dalam Pengenalan Pola Penyakit Paru” 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. Tulus, selaku pembimbing utama yang telah banyak memberikan bimbingan dan arahan serta motivasi kepada penulis. Dan Dr. Erna Budhiarti Nababan, M.IT, selaku pembimbing kedua yang telah banyak memberikan bimbingan dan arahan serta motivasi kepada penulis.

  Prof. Dr. Muhammad Zarlis, Prof. Dr. Opim Sitompul dan Prof. Dr. Herman Mawengkang selaku pembanding yang telah banyak memberikan kritikan serta saran kepada penulis.

  Teristimewa kepada Suamiku Tercinta Harapenta Purba, dan kedua anakku tersayang Ekky dan Gaby yang telah memberikan perhatian, pengertian, kasih sayang dan motivasi kepada penulis dan terimakasih juga kepada kedua Orang Tuaku (Alm) T. Ginting dan L. Br. Sitepu yang telah memberikan pendidikan penulis sampai S1 sehinga dapat dilanjutkan ke S2, dan juga kedua mertuaku N. Purba dan (Alm) R. Br. Ginting serta seluruh keluarga besar Ginting-Purba yang telah memberikan doa dan dukungan. Ucapan terimaksih juga penulis ucapkan kepada sahabat-sahabat seperjuangan angkatan 2011 Program Studi S2 Teknik Informatika, yang telah memberikan semangat kepada penulis. Dan juga KepSek SMK N.1 Lubuk Pakam Drs.Kiniken,M.Pd dan semua Guru dan Staff SMK N.1 Lubuk Pakam khususnya Sulistiani,ST, AtikaAzzakamal,S.Pd, dan Dwi Kartika,S.Psi, yang telah memberikan motivasi dan dukungan kepada penulis.

  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, 28 Agustus 2013

ROSMELDA GINTING NIM. 117038032

  

ABSTRAK

  Dalam penelitian ini penulis menggunakan algoritma Kohonen pada Jaringan Syaraf Tiruan Backpropagation dalam pengenalan pola penyakit paru dalam mempercepat proses pembelajaran (training) yang signifikan dan klasifikasi yang akurat dalam mengenali pola suatu penyakit. Algoritma Backpropagation merupakan salah satu algoritma pembelajaran supervised learning, yaitu pembelajaran yang membutuhkan pengawasan dalam proses pembelajarannya. Pada supervised learning terdapat pasangan data input dan output yang dipakai untuk melatih Jaringan Syaraf Tiruan hingga diperoleh bobot penimbang (weight) yang diinginkan. Dalam penelitian ini, dalam pengenalan pola penyakit paru yaitu: Pneumonia dan TBC Paru-paru. Penulis menggunakan 2 data input yang sama dan data yang satu dilatih menggunakan algoritma backpropagation dimana pembobotannya secara random dan data yang kedua dilatih menggunakan algoritma backpropagation tapi pembobotannya menggunakan algoritma Kohonen. Dari hasil penelitian yang penulis lakukan, dengan pembobotan menggunakan kohonen dan dilatih dengan algoritma

  

backpropagation ternyata dapat mempercepat proses pembelajaran (training) dalam

mengenali suatu pola penyakit paru.

  Kata Kunci : Penyakit Paru, Jaringan Syaraf Tiruan, Backpropagation, Kohonen

  (SOM)

  

KOHONEN ALGORITHM ANALYSIS ON THE USE OF NEURAL

NETWORK BACKPROPAGATION FOR PATTERN RECOGNITION

OF PULMONARYDISEASE

ABSTRACT

  In this study, the research eruses the Kohonen algorithm in neural network backpropagation for pattern recognition of pulmonary disease to increase the process of learning (training) for a significantandaccurate classification in recognizing patterns of a disease. Backpropagation algorithm is a supervised learning algorithm, a kind of learning that requires supervision in the learning process. In supervised learning, there are input and output data that are used totrain theartificial neural networkin obtaining the desired weight. In this study, for the pattern recognition of pulmonary disease: Pneumonia and Lung TBC, the researcher uses the same two input data. The first data is train edusing backpropagation algorithm with random weight and the second data is train educing backpropagation algorithm with Kohonen algorithm weight. From the results of research, using Kohonen algorithm weight and training with backpropagation algorithm are able to accelerate the process of learning (training) in recognizing a pattern of pulmonary disease compared to using backpropagation neural network only.

  Keywords: Pulmonary Disease, Neural Network, Backpropagation, Kohonen(SOM)

DAFTAR ISI

  COVER i

  LEMBAR PENGESAHAN ii

  LEMBAR PERNYATAAN ORISINALITAS iii LEMBAR PERSETUJUAN PUBLIKASI iv LEMBAR PANITIA PENGUJI TESIS v LEMBAR RIWAYAT HIDUP vi

  LEMBAR UCAPAN TERIMA KASIH vii LEMBAR ABSTRAK ix

  LEMBAR ABSTRACT x

  DAFTAR ISI xi DAFTAR TABEL xiv

  DAFTAR GAMBAR xv

BAB I PENDAHULUAAN

  1

  1.1 Latar Belakang Masalah

  1

  1.2 Perumusan Masalah

  2

  1.3 Batasan Masalah

  3

  1.4 Tujuan Penelitian

  3

  1.5 Manfaat Penelitian

  3 BAB II LANDASAN TEORI

  5

  2.1 Jaringan Syarat Tiruan 5

  2.2.1 Fungsi Aktivasi

  6

  2.2.2 Multi layer perceptron

  7

  2.2 Algoritma Backpropagation

  9

  2.2.1 Fase Propagasi Maju

  10

  2.2.2 Fase Propagasi Mundur

  10

  2.2.3 Fase Modifikasi Bobot

  10

  2.2.4 Prosedur Pelatihan

  11

  2.3 Algoritma Kohonen

  15

  2.4 Normalisasi Data

  16

  2.5 Teori Penunjang Tentang Penyakit Paru 17

  2.6 Smoothing Grafik

  21

  2.7 RisetTerkait 21

  2.8 Perbedaan dengan Riset lain

  23

  2.9 Kontribusi Riset

  23 BAB III METODELOGI PENELITIAN

  24

  3.1 Pendahuluan

  24

  3.2 Proses Penelitian

  24

  3.2.1 Data yang Digunakan

  24

  3.2.2 Data Target/Output

  31

  3.2.3 Pelatihan Data

  31

  3.2.4 Pengujian Data

  32

  3.3 Analisis Data

  33

  3.3.1 Arsitektur Jaringan Syaraf Tiruan 33

  3.3.2 Perancangan Skema Sistem 37

  3.3.3 Algoritma Backpropagation

  37

  3.3.4 Algoritma Kohonen

  39 BAB IV HASIL DAN PEMBAHASAN

  42

  4.1 Pendahuluan

  42

  4.2 HasilAnalisa

  42

  4.2.1 Pembobotan Awal

  42

  4.2.2 Pengisian Nilai Bias

  45

  4.2.3 Input Data

  45

  4.2.4 Training Data

  46

  4.2.5 Pengujian Data

  47

  4.3 Pembahasan dan Hasil

  48

  4.3.1 Analisis Pengaruh Bobot dan Bias Untuk Pengenalan Pola 48

  4.3.1.1 Pengaruh Bobot

  48

  4.3.1.2 Pengaruh Bias

  49

  4.3.2 Pengujian Terhadap Program

  49

  4.3.2.1 Pengujian dengan algoritma Backpropagation

  50

  4.3.2.2 Pengujian dengan algoritma Kohonen pada JST

  

Backpropagation

  51

  4.3.2.3 Hasil Pengujian Penggabungan Algoritma

  Backpropagation dengan Algoritma Kohonen pada

  JST Backpropagation

  53 BAB V KESIMPULAN DAN SARAN

  58

  5.1 Kesimpulan

  58

  5.2 Saran

  58 DAFTAR PUSTAKA

  60

  DAFTAR TABEL

  Nomor Judul Halaman Tabel

  2.1 Riset Terkait

  22

  3.1 Penilaian Kriteria Identitas Pasien Berdasarkan Umur dan Jenis Kelamin

  26

  3.2 Penilaian Kriteria Identitas Pasien Berdasarkan Kanker TBC

  27

  3.3 Penilaian Kriteria Identitas Pasien Berdasarkan Pneumonia

  28

  3.4 Penilaian Kriteria Identitas Pasien Berdasarkan Lingkungan dan Kebiasaan

  29

  3.5 Persentasi Bobot

  30

  3.6 Data Target

  31

  3.7 Data untuk Pelatihan dan Data Target

  31

  4.1 Tabel Perbandingan Nilai Error Pada Algoritma Backpropagation dan Algoritma Kohonen Dengan Bobot Awal : 0.5

  56

  4.2 Tabel Perbandingan Nilai Error Pada Algoritma

  Backpropagation dan Algoritma Kohonen Dengan Bobot

  Awal : -0.5

  57

  DAFTAR GAMBAR

  33

  4.5

  4.6

  4.7

  4.8

  4.9

  4.10 Skema sistem Langkah-langkah Pelatihan JST Pelatihan Data Pola Output Pengujian Data Arsitektur Jaringan Syaraf Tiruan Pengenalan Pola Perancangan Skema Sistem Program saat dilakukan Pembobotan Program saat dilakukan Pengisian Nilai Bias Program saat dilakukan Input Data Program saat dilakukan Pelatihan Pola Output Pelatihan Hasil Pengujian dengan Algoritma Backpropagation Hasil Pengujian dengan Algoritma Backpropagation dalam bentuk grafik Hasil Percobaan dengan Algoritma Kohonen Hasil Percobaan dengan Algoritma Kohonen dalam Bentuk Grafik Hasil Percobaan dengan Penggabungan Algoritma Kohonen dengan Algoritma Backpropagation

  25

  30

  32

  34

  4.3

  37

  44

  45

  46

  47

  48

  50

  51

  52

  52

  4.4

  4.2

  Nomor Gambar

  2.5 Fungsi Sigmoid

  Judul Halaman

  2.1 Node Sederhana

  5

  2.2 Fungsi Linear

  6

  2.3 Fungsi Theshold

  6

  2.4 Fungsi Piecewise Linear

  7

  7

  4.1

  2.6 Multi Layer Perceptron

  8

  2.7 Paru manusia

  17

  3.1

  3.2

  3.3

  3.4

  3.5

  3.6

  54