MITA ADINA ADHA (2017) PENERAPAN METODE BACKPROPAGATION NEURAL NETWORK (BPNN) UNTUK KLASIFIKASI PENYAKIT DIABETES MELLITUS. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER.pdf Download (836kB) | Preview
Preview	Text 2. PENGESAHAN.pdf Download (1MB) | Preview
Preview	Text 3. ABSTRAK.pdf Download (507kB) | Preview
Preview	Text 4. KATA PENGANTAR.pdf Download (519kB) | Preview
Preview	Text 5. DAFTAR ISI.pdf Download (354kB) | Preview
Preview	Text 6. BAB I.pdf Download (336kB) | Preview
Preview	Text 7. BAB II.pdf Download (915kB) | Preview
Preview	Text 8. BAB III.pdf Download (364kB) | Preview
Preview	Text 9. BAB IV.pdf Download (1MB) | Preview
	Text 10. BAB V.pdf Restricted to Repository staff only Download (1MB)
Preview	Text 11. BAB VI.pdf Download (254kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA.pdf Download (254kB) | Preview

Abstract

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

Actions (login required)

View Item