DEA GANESHA (2017) PERBANDINGAN FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR PADA ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI TINGKAT PREEKLAMPSIA. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER.pdf Download (129kB) | Preview
Preview	Text 2. PENGESAHAN.pdf Download (421kB) | Preview
Preview	Text 3. ABSTRAK.pdf Download (272kB) | Preview
Preview	Text 4. KATA PENGANTAR.pdf Download (434kB) | Preview
Preview	Text 5. DAFTAR ISI.pdf Download (280kB) | Preview
Preview	Text 6. BAB I.pdf Download (323kB) | Preview
Preview	Text 7. BAB II.pdf Download (757kB) | Preview
Preview	Text 8. BAB III.pdf Download (555kB) | Preview
Preview	Text 9. BAB IV.pdf Download (2MB) | Preview
	Text 10. BAB V.pdf Restricted to Repository staff only Download (1MB)
Preview	Text 11. BAB VI.pdf Download (171kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA.pdf Download (289kB) | Preview

Abstract

Preeklampsia merupakan penyakit yangdialami oleh ibu hamil ditandai dengan tekanan darah meningkat secara signifikan dan disertai beberapa gejala lainnya.Banyak ibu hamil yang tidak mengetahui tentang klasifikasi tingkatanpreeklampsia.Ada 3 tingkatan klasifikasi preeklampsia, yaitu preeklampsia ringan, preeklampsia berat dan eklampsia.Proses klasifikasi dapat dilakukan dengan menggunakan Jaringan SyarafTiruan algoritma Backpropagation.Di dalam Backpropagation, terdapat beberapa fungsi aktivasi yang dapat digunakan seperti fungsi aktivasi sigmoid biner dan sigmoid bipolar. Penelitian ini menggunakan 330data rekam medis pasien. Terdiri dari 150 data latih seimbang, 150data latih tidak seimbang dan 30 data uji. Penelitian yang dilakukan yaitu membandingkan akurasi fungsi aktivasi sigmoid biner dan sigmoid bipolar pada algoritma Backpropagation untuk klasifikasi tingkat preeklampsiadengan 18 variabel. Berdasarkan pengujian yang dilakukan pada 30 data uji dan nilai learning rate 0.3 , 0.4 , 0.5 , 0.6 dan 0,7 diperoleh kesimpulan bahwaberdasarkan jumlah neuron hidden layer yang digunakan(19 hingga 35 neuron),fungsi aktivasi sigmoid biner menghasilkan akurasi yang lebih baik dibandingkan sigmoid bipolar. Berdasarkan pengujian yang dilakukan, system mampu menghasilkan akurasi maksimal yakni 100% dengan rata-rata akurasi sigmoid biner paling rendah sebesar 91,1765%dengan α 0.5, dan akurasi paling baik mencapai 96,0784%dengan α 0.5. Sementara rata-rata akurasi sigmoid bipolar paling rendah sebesar 87,4509%dengan α 0.5, dan akurasi paling baik mencapai 91,7647%dengan α 0.5.Berdasarkanhasil akurasi yang diperoleh pada kasus ini, penggunaan fungsi aktivasi sigmoid binerpada algoritma Backpropagation untuk kasus klasifikasi lebih direkomendasikan dibandingkan fungsi aktivasi sigmoid bipolar.Kata Kunci : Backpropagation, Klasifikasi tingkat preeklampsia, Sigmoid biner, Sigmoid bipolar

Actions (login required)

View Item