WIDYA GUSWANTI, - (2025) PERBANDINGAN INISIALISASI BOBOT RANDOM DAN NGUYEN-WIDROW PADA BACKPROPAGATION DALAM KLASIFIKASI PENYAKIT DIABETES. JPIT (Jurnal Informatika: Jurnal Pengembangan IT), 10 (2). pp. 323-332. ISSN ISSN 2477-5126 (print), 2548-9356 (online)

Preview

Text (ARTIKEL) Skripsi_Widya Guswanti - WIDYA GUSWANTI TEKNIK INFORMATIKA.pdf - Published Version Download (1MB) | Preview

Abstract

Diabetes merupakan gangguan metabolik yang terjadi ketika pankreas tidak mampu menghasilkan insulin dalam jumlah yang memadai atau tubuh mengalami kesulitan dalam memanfaatkannya secara optimal, sehingga berpotensi menimbulkan komplikasi serius. Diagnosis dini sangat penting untuk menekan angka kematian akibat komplikasi tersebut. Penelitian ini menggunakan metode Backpropagation Neural Network (BPNN) untuk klasifikasi diabetes, namun untuk mengatasi masalah konvergensi lambat dan risiko terjebak pada minimum lokal yang disebabkan oleh inisialisasi bobot secara acak, diterapkan metode inisialisasi bobot Nguyen- Widrow. Data penelitian diperoleh dari dataset Kaggle yang terdiri dari 768 data dengan 8 parameter. Pengujian model dilakukan menggunakan 10-fold cross-validation, serta mengeksplorasi berbagai jumlah neuron dalam hidden layer dan learning rate (lr). Hasil penelitian menunjukkan bahwa inisialisasi bobot menggunakan metode Nguyen-Widrow mampu meningkatkan akurasi BPNN menjadi 92,11% dengan learning rate 0,001 dan 9 neuron pada hidden layer, dibandingkan dengan inisialisasi bobot acak yang hanya mencapai 89,91%. Secara keseluruhan, penelitian ini dapat berkontribusi dalam bidang informatika dengan memperkuat pengembangan sistem klasifikasi medis berbasis kecerdasan buatan, khususnya dalam meningkatkan akurasi dan keandalan model neural network untuk mendukung sistem diagnosis penyakit yang lebih efektif dan efisien.

Actions (login required)

View Item