DETEKSI PENYAKIT DIABETES MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE BACKPROPAGATION

Maulidah, Yuliatil (2018) DETEKSI PENYAKIT DIABETES MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE BACKPROPAGATION. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_14013414_Yuliatil Maulidah_IF.pdf Restricted to Registered users only Download (7MB)

Abstract

Diabetes Mellitus, yang secara umum dikenal masyarakat sebagai penyakit kencing manis, merupakan gangguan metabolik yang ditandai dengan kondisi hiperglisemia (peningkatan kadar gula darah) secara terus-menerus dan bervariasi, terutama pascakonsumsi makanan. Deteksi dini terhadap penyakit ini sering kali menghadapi kendala efektivitas apabila hanya mengandalkan instrumen pengukur kadar glukosa darah konvensional yang fluktuatif. Oleh karena itu, guna memperoleh hasil skrining yang optimal dan tingkat akurasi yang tinggi, proses deteksi dapat ditingkatkan melalui pemeriksaan penyaring multivariabel yang meliputi jenis kelamin, usia, berat badan, tekanan darah, dan riwayat keluarga pasien dengan memanfaatkan teknologi Jaringan Saraf Tiruan (JST) metode Backpropagation. Algoritma Backpropagation menggunakan mekanisme pelatihan terarah (supervised training) yang mempermudah proses pembelajaran berbasis data. Melalui perancangan data pelatihan berupa pasangan pola masukan (input) dan target keluaran (output) yang diinginkan, jaringan akan memperbarui bobotnya secara adaptif sehingga diperoleh hasil prediksi yang paling mendekati data aktual. Sifat JST yang fleksibel dibandingkan metode soft computing lainnya mempermudah variasi uji coba tanpa memerlukan perubahan masif pada struktur kode program. Tahapan penelitian ini meliputi pengumpulan data, prapemrosesan data awal, implementasi arsitektur Backpropagation, uji coba sistem, dan penarikan kesimpulan. Arsitektur jaringan yang dibangun menggunakan 5 input layer, 19 hidden layer, dan 1 output layer. Berdasarkan 20 kali simulasi percobaan menggunakan proporsi pembagian data sebesar 70% data pelatihan (training) dan 30% data pengujian (testing), sistem ini mampu mendeteksi penyakit diabetes dengan tingkat akurasi mencapai 90% serta batas toleransi kegagalan deteksi maksimal hanya sebesar 7,4% dalam satu kali percobaan.

Kata Kunci: Diabetes Mellitus, Jaringan Saraf Tiruan, Backpropagation, Supervised Training, Deteksi Dini.

Item Type:	Thesis (Other)
Subjects:	R Medicine > RC Internal medicine T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	14 Jun 2026 03:45
Last Modified:	14 Jun 2026 03:45
URI:	https://repository.unuja.ac.id/id/eprint/3555

Actions (login required)

View Item