PENERAPAN METODE BACKPROPAGATION NEURAL NETWORK (BPNN) UNTUK KLASIFIKASI PENYAKIT DIABETES MELLITUS
Daftar Isi:
- Diabetes mellitusmemiliki gejala dan penyebab yang berbeda tiap klasifikasinya.Selaindapat memastikan seseorang menderita diabetes atau tidak, seorang dokter juga harusmengetahui tipe dari klasifikasi penyakit diabetes mellitus untuk dapatmengambil keputusan dalam memberikan obat dan saran yang tepat kepada pasien.Oleh karena itubisa diterapkan jaringan syaraf tiruan dengan metode BackpropagationNeural Network(BPNN) yang dapat mendiagnosa klasifikasi penyakit diabetes mellitus. Klasifikasinyaadalah diabetes mellitus type I, diabetes mellitus type II, dan diabetes mellitus neuropati. Variabel inputan berjumlah 19 yang terdiri dari data rekam medik dan hasil laboratorium dengan keluaran berupa hasil diagnosa klasifikasi penyakit diabetes mellitus.Dari total 150 datapasien penyakit diabetes mellitusdi Rumah Sakit Islam Ibnu Sina Pekanbaru, dilakukan pembagian datadengan menggunakan perbandingandata latih dan data uji70 : 30;80: 20;serta 90: 10.Parameter BPNN yang digunakan adalahmaksimum epoch15,learning rate(α)0.01, 0.02, 0.03, 0.04, 0.05, 0.06, 0.07, 0.08, dan 0.09dengan fungsi aktivasinya adalahsigmoid biner.Berdasarkan hasil penelitiandan UATdenganmenghasilkan tingkat akurasi tertinggi sebesar 86.67%, tingkat errorminimum sebesar 13.33 %pada perbandingandata 90 : 10 dengan learning rate(α) 0.01dan UAT sebesar 97%, maka metode BackpropagationNeural Network(BPNN)ini dapat diterapkan di Rumah Sakit Islam Ibnu Sina Pekanbaru untuk klasifikasi penyakit diabetes mellitus.Kata Kunci: backpropagationneural network, penyakit diabetes mellitus