Prediksi Penyakit Hepatitis C dan Sirosis Hati dengan Penerapan SMOTE pada Metode Jaringan Saraf Tiruan Propagasi Balik

Emi Rajiah, Hasanuddin Hasanuddin, Dwiria Wahyuni

Abstract


Penyakit hati adalah gangguan yang menyebabkan organ hati tidak bekerja dengan normal. Penelitian ini berfokus pada penyakit hati salah satunya yaitu, hepatitis C dan sirosis hati. Proses komputerisasi digunakan untuk mempermudah dalam pengolahan data agar memperoleh hasil yang akurat dan lebih memudahkan ahli medis dalam klasifikasi, prediksi, diagnosa dan pendeteksian suatu penyakit. Tujuan penelitian ini yaitu, untuk mengetahui jaringan saraf tiruan propagasi balik dalam memprediksi penyakit hepatitis C dan sirosis hati serta mengetahui persentase nilai akurasinya. Propagasi balik (backpropagation) termasuk algoritma jaringan saraf tiruan merupakan metode yang digunakan pada penelitian ini untuk menyelesaikan tugas yang komplek dengan bantuan Synthetic Minority Oversampling Technique (SMOTE) untuk menyeimbangkan data. Prinsip yang digunakan dalam metode SMOTE ialah prinsip oversampling yaitu, dengan membangkitkan data dari kelas yang jumlahnya sedikit (minor) agar jumlahnya seimbang dengan data dari kelas yang jumlahnya banyak (mayor). Hasil prediksi pada penelitian ini dengan metode propagasi balik untuk penyakit hepatitis C dengan pengolahan menggunakan SMOTE dan tanpa SMOTE berturut-turut yaitu, sebesar 99% dan 95%, sedangkan nilai akurasi prediksi penyakit sirosis hati dengan pengolahan menggunakan SMOTE dan tanpa SMOTE berturut-turut yaitu, sebesar 85% dan 84%. Berdasarkan hasil yang diperoleh tersebut, dapat disimpukan bahwa pengolahan data dengan bantuan SMOTE memperoleh nilai akurasi lebih tinggi sehingga dapat membantu meningkatkan nilai akurasi dalam proses pelatihan dan pengujian.

Kata Kunci : Hepatitis_C, Jaringan_Saraf_Tiruan, Propagasi_Balik, Sirosis_Hati, SMOTE


Full Text:

PDF

References


S. A. Hannan, R. R. Manza, and R. J. Ramteke, “Generalized Regression Neural Network and Radial Basis Function for Heart Disease Diagnosis,” Int. J. Comput. Appl., vol. 7, no. 13, pp. 7–13, 2010, doi: 10.5120/1325-1799.

M. Neshat and M. Yaghobi, “Designing a Fuzzy Expert System of Diagnosing the Hepatitis B Intensity Rate and Comparing it with Adaptive Neural Network Fuzzy System,” Lect. Notes Eng. Comput. Sci., vol. 2179, no. 1, pp. 797–802, 2009.

S. Sutikno, I. Waspada, N. Bahtiar, and P. S. Sasongko, “Classification of Motorcyclists not Wear Helmet on Digital Image with Backpropagation Neural Network,” TELKOMNIKA (Telecommunication Comput. Electron. Control., vol. 14, no. 3, p. 1128, 2016, doi: 10.12928/telkomnika.v14i3.3486.

R. Sofiana and S. Sutikno, “Optimization of Backpropagation for Early Detection of Diabetes Mellitus,” Int. J. Electr. Comput. Eng., vol. 8, no. 5, p. 3232, 2018, doi: 10.11591/ijece.v8i5.pp3232-3237.

A. H. Tandrian and A. Kusnadi, “Pengenalan Pola Tulang Daun Dengan Jaringan Syaraf Tiruan Backpropagation,” Ultim. Comput., vol. 10, no. 2, pp. 53–58, 2019, doi: 10.31937/sk.v10i2.1063.

S. Kosasi, “Penerapan metode jaringan saraf tiruan backpropagation untuk memprediksi nilai ujian sekolah,” J. Teknol., no. June 2014, pp. 20–28, 2014.

E. Sutoyo and M. A. Fadlurrahman, “Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network,” J. Edukasi dan Penelit. Inform., vol. 6, no. 3, p. 379, 2020, doi: 10.26418/jp.v6i3.42896.

Rudianto, “Penentuan Penyakit Peradangan Hati Dengan Menggunakan Neural Network Backpropagation,” Indones. J. Comput. Inf. Technol. Vol 1 No 1, vol. 1, no. 1, pp. 27–33, 2016.

W. Erawati, “Prediksi Penyakit Hati dengan Menggunakan Model Algoritma Neural Network,” J. Techno Nusa Mandiri, vol. XII, no. 2, pp. 157–166, 2015.

F. Miftahul, D. P. Rini., and Iwan Pahendra, “Memprediksi Penyakit Kanker Payudara dan Liver menggunakan Algoritma Backpropagation,” Pros. Annu. Res. Semin. 2019, vol. 5, no. 1, pp. 978–979, 2019.

M. Mustaqim, B. Warsito, and B. Surarso, “Kombinasi Synthetic Minority Oversampling Technique (SMOTE) dan Neural Network Backpropagation untuk menangani data tidak seimbang pada prediksi pemakaian alat kontrasepsi implan,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 5, no. 2, p. 128, 2019, doi: 10.26594/register.v5i2.1705.

H. Bisri, M. A. Bustomi, and E. Purwanti, “Klasifikasi Citra Paru-Paru dengan Ekstraksi Fitur Histogram dan Jaringan Syaraf Tiruan Backpropagation,” J. Sains Dan Seni Pomits, vol. 2, no. 2, pp. 68–71, 2013.




DOI: https://doi.org/10.26418/pf.v11i3.65229

Refbacks

  • There are currently no refbacks.


Diterbitkan oleh:                                                                    Berkerjsama dengan:                                    

                                                                    

Jurusan Fisika FMIPA UNTAN                   Perkumpulan Akademisi dan Saintis Indonesia, Kalimantan Barat

Alamat Redaksi:
Jalan Prof. Dr. H. Hadari Nawawi
Komp. FMIPA UNTAN Pontianak, Kalbar, 78124
Email: prismafisika@physics.untan.ac.id

 

  Flag Counter