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 TEKNOLOGIINFORMASI 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 : +6285270002028E-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 : 2013UCAPAN 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