Penerapan Algoritma Neural Network Backpropagation Dalam Mengidentifikasi Pasien Berisiko Dislipidemia

Main Article Content

Nuraida Latif
Andi Yulia Muniar
Nuraida Latif
Muhammad Nuhwaqif

Abstract

Penelitian ini bertujuan merancang sistem untuk mengidentifikasi pasien berisiko dislipidemia menggunakan Algoritma Neural Network Backpropagation.Metode yang digunakan untuk menganalisis permasalahan dalam penelitian ini adalah dengan studi pustaka, perumusan masalah, mengumpulkan dan mengolah data-data penelitian, merancang sistem, membuat sistem, menguji sistem, dan penarikan kesimpulan. Pada penelitian ini dataset yang digunakan sebanyak 346 data sampel yang dibagi menjadi data training dan data testing, rasio pembagian untuk data training dan data testing adalah 80% : 20%. Metode dalam pemilihan data training dan data testing dilakukan dengan cara acak. Pada pelatihan data training digunakan data sebanyak 277 data (80%), dan pada pengujian data testing digunakan data sebanyak 69 data (20%). Hasil penelitian ini menunjukkan bahwa Algoritma Neural Network Backpropagation dapat digunakan untuk mengidentifikasi pasien berisiko dislipidemia. Dalam pengujian sistem dengan 69 data testing (20%) di dapatkan hasil akurasi sebesar 86,96%.

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

Artikel Ilmiah
Halim, Aldhi, dkk. 2004. Analisis dan Perancangan Pengenal Tanda Tangan dengan Jaringan Syaraf Tiruan Metode Propagasi Balik. Skripsi. Jakarta. Universitas Bina Nusantara.
Hartono, Ahmad Farid. 2012. Implementasi Jaringan Syaraf Tiruan Backpropagation sebagai Sistem Pengenalan Citra Daging Sebagai Upaya Mengenali Daging Sapi Asli dan Daging Sapi Palsu di Pasar Tradisional Kota Semarang. Skripsi. Semarang: FMIPA Universitas Negeri Semarang.
Lestari, M. 2014. Penerapan algoritma Klasifikasi Nearest Neighbor (K-NN) untuk mendeteksi penyakit jantung.Faktor Exacta ISSN : 1979-276X, vol. 7, no. 4, pp. 366-371.
PERKI. 2013.Pedoman Tatalaksana Dislipidemia. Jakarta: Centra Communications.
Ma’rufi, R. dan Rosita, L. 2014. Hubungan dislipidemia dan kejadian penyakit jantung koroner.JKKI, vol. 6, no. 1.
Nurkhozin, Agus, dkk. 2011. Komparasi Hasil Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Learning Vector Quantization. Surabay. Institut Teknologi Sepuluh November Surabaya.
Puspita, A. & Eunike. 2007. Penggunaan Jaringan Syaraf Tiruan MetodeBackpropagation untuk Memprediksi Bibir Sumbing. Seminar NasionalTeknologi.

Buku :
Hermawan, A. 2006. Jaringan Syaraf Tiruan, Teori, dan Aplikasi. Yogyakarta:ANDI.
Hidayatullah dan Kawistara. 2014. Pemrograman WEB | HTML | CSS | JavaScript |Power Designer|XAMPP | MySQL | PHP | Codelgnitter | Jquery. Bandung : Informatika
Kasiman, Peranginangin. 2006.Aplikasi Web dengan PHP dan Mysql. Yogyakarta: Andi.
Puspitaningrum, D. 2006. Pengantar Jaringan Syaraf Tiruan. Yogyakarta: ANDI.
Siang, J.J. 2009. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan MATLAB. Yogyakarta: ANDI