Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus...

18
Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation DOSEN PEMBIMBING Prof. Dr. Moh. Isa Irawan, M.T. Dr. Imam Mukhlash, M.T.

Transcript of Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus...

Page 1: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Komparasi Metode Klasifikasi PenyakitDiabetes Mellitus Menggunakan Jaringan

Syaraf Tiruan Learning Vector Quantization dan Backpropagation

DOSEN PEMBIMBINGProf. Dr. Moh. Isa Irawan, M.T.Dr. Imam Mukhlash, M.T.

Page 2: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

v Kajian pustaka v TUJUAN PENELITIAN

KOMPARASI METODE KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN LVQ

DAN BACKPROPAGATION

v Abstrak v LATAR BELAKANG

Page 3: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

v Metodologi v Algoritma

KOMPARASI METODE KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN LVQ

DAN BACKPROPAGATION

v Pengambilandan pengolahan

Data danPmbahasan

Page 4: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Pengambilan dan Pengolahan Data

Agus Nurkhozin/1209201703

Pengambilan data dilakukan di RS Dr. Soegiri LamonganData Yang diambil sejumlah 431 pasien DMData yang diperoleh dibagi menjadi 8 variabel, yaitu: 6 variabel input dan 2 sebagai targetVariabel tersebut adalah :x1= Usiax2= Berat badanx3= Tinggi badanx4= Riwayat keluargax5= Gangguan destruksi sel betax6= Pengaruh diabetagonik

Sedangkan sebagai unit output atau target adalah :t1= Kelas 1t2= Kelas 2

Page 5: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Implementasi Pada Metode Klasififikasi

Agus Nurkhozin/1209201703

Pada tahap ini yang terpenting adalah membaca permasalahan dan menerjemahkannya ke dalam algoritma pada dua metode yang digunakan. Pertama adalah membangun model dari set data training, yaitu membentuk jaringan, menentukan data-data input dan menghitung nilai parameter, seperti menginisialisasi bobot, updatebobot, dan lain-lain. Kedua adalah melakukan training dan testingdata–data input yang diperoleh dan diolah sebelumnya sehingga didapatkan hasil keakurasiannya.

Implementasi pada metode klasifikasi mempunyai beberapa langkah-langkah, yaitu :1. Preprosesing data Normalisasai data dan Pembineran2. Menentukan Banyaknya data training dan data testing3. Proses training dan testing4. Menentukan keakurasiannya

Page 6: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Metode LVQ

Keakurasian dari hasil uji coba menggunakan metode LVQ ditinjau dalamtiga bagian, yaitu keakurasian yang ditinjau dari mengkombinasikanlearning rate, jumlah iterasi, dan banyaknya data yang training. Hasil nilaikeakurasian klasifikasi dapat dilihat pada tabel berikut :

Tabel 4.2 menunjukkan hasil uji cobaklasifikasi menggunakan metode LVQ. Ujicoba metode ini dilakukan dengan caramengubah nilai learning rate yang diambil antara 0.01 - 0.9 dan persentase keakurasian didapatkan rata-rata 97.7 %. Hasil ini didapatkan dari uji coba runningprogram dengan mentraining data sebanyak 345 data dalam 100 iterasi.

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan Keakurasian

Lerning rate Akurasi (%)

0.01-0.9 97.7

Tabel 4.2

Page 7: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Pada Tabel 4.3 ini jugamenunjukkan tingkat akurasihasil uji coba menggunakanmetode LVQ. Uji coba metodeini dilakukan dengan caramengubah jumlah iterasi.Jumlah iterasi yang diambiladalah 10 – 500 iterasi. Nilaiakurasi rata-ratamenunjukkan 97.7%. Hasil inididapatkan dari uji cobarunning program denganmentraining sebanyak 345data dengan menggunakanlearning rate=0.01.

Metode LVQ

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan Keakurasian

Jumlah Iterasi

Akurasi (%)

10 - 500 97.7

Tabel 4.3

Page 8: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Metode LVQ

Tabel 4.4 menunjukkan tingkatakurasi dari hasil uji cobamenggunakan metode LVQ. Hasilyang didapatkan menunjukkantingkat akurasi yang fluktuatif. Ujicoba metode ini dilakukan dengancara mengubah jumlah data training. Data training yang diambil adalah 10 – 400 data. Sisa data trainingmerupakan data yang digunakanuntuk testing. Persentase tingkatakurasi rata-rata hasil klasifikasimenunjukkan sebesar 98.1%. Hasil ini didapatkan dari uji coba runningprogram dengan menggunakanlearning rate 0.01 dalam 100 itersai.

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan Keakurasian

Jumlah DataTraining

Akurasi

10 97.150 97.1

100 97.3150 96.8200 97.4250 98.8300 99.2350 98.8400 100

Tabel 4.4

Page 9: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Tabel 4.5 menunjukkan hasil uji cobaklasifikasi menggunakan metodeBackpropagation. Uji coba dilakukandengan cara mengubah nilai learning rate.Learning rate yang diambil adalah 0.01 -0.9. Pada Tabel 4.5 juga terlihat bahwanilai persentase tingkat akurasi mengalamikenaikan. Jika diambil rata-rata, makapersentase tingkat akurasinya adalah 99%.Hasil ini didapatkan dari uji coba runningprogram dengan mentraining datasebanyak 345 data dalam 100 iterasi.

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan Keakurasian

learning rate Akurasi0.01 97.70.02 97.60.03 97.90.04 980.05 98.70.06 990.07 99.70.08 99.80.09 1000.1 1000.5 1000.9 100

Tabel 4.5

Metode Backpropagation

Seperti pada metode LVQ bahwa Keakurasian dari hasil uji coba menggunakan metodeBackpropagation ditinjau dalam tiga bagian, yaitu: nilai akurasi yang dikombinasikan menurut learningrate, jumlah iterasi, dan banyaknya data training. Hasil nilai keakurasiannya dapat dilihat pada tabelsebagai berikut:

Page 10: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Tabel 4.6 menunjukkan hasil uji cobaklasifikasi menggunakan metodeBackpropagation yang ditinjau dari banyakiterasi. Uji coba metode dilakukan dengancara mengubah jumlah iterasi. Jumlahiterasi yang diambil adalah 10 – 500iterasi. Hasil klasifikasi menunjukkansemakin banyak iterasi, semakin tinggipersentase keakurasiannya. Nilai rata-ratapersentase keakurasian yang ditinjau daribanyak iterasi adalah 99.2%. Hasil inididapatkan dari uji coba running programdengan mentraining sebanyak 345 datadengan menggunakan learning rate=0.09.

Metode Backpropagation

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan Keakurasian

Jumlah Iterasi Akurasi (%)10 95.830 97.850 98.770 99.590 99.7

100 100150 100200 100250 100300 100500 100

Tabel 4.6

Page 11: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Tabel 4.7 menunjukkan hasil uji cobaklasifikasi menggunakan metodeBackpropagation yang ditinjau banyak datatraining. Uji coba metode dilakukan dengancara mengubah banyak data training. Nilairata-rata persentase keakurasian yangditinjau dari banyak data training adalah99.3%. Hasil ini didapatkan dari uji cobarunning program dengan mengunakanlearning rate=0.09 dalam 100 iterasi.

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan Keakurasian

Tabel 4.7

Jumlah Data Training

Akurasi (%)

10 97.9

50 98

100 99

150 99.5

200 99.6

250 99.4

300 100

350 100

400 100

Metode Backpropagation

Page 12: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Komparasi dari hasil uji coba menggunakan metode LVQ dan Backpropagation dalambentuk plot grafik. Perbandingan tingkat akurasinya ditinjau dari tiga hal, yaitu: learningrate, jumlah iterasi, dan jumlah data training. Perbandingan hasil keakurasian dari duametode tersebut dapat dilihat pada gambar berikut:

Gambar 4.7 menunjukkan perbandingan tingkatakurasi dari metode LVQ dan Backpropagationyang ditinjau dari learning rate. Uji coba keduametode tersebut dilakukan dengan merunningprogram dengan mengubah learning rate = 0.01 -0.9, jumlah data testing= 86 data dan trainingsebanyak 110 iterasi. Grafik di atas menunjukkanpula perbedaan nilai keakurasian dari du metotde,yang mana metode LVQ memberikan rata-rata nilaiakurasi 97.7% dan metode Backpropagationmemberikan rata-rata nilai akurasi 99%. Sehinggaperbandingan tingkat akurasi dengan ditinjau darimengkombinasikan nilai learning rate ini, metodeBackpropagation mempunyai tingkat akurasi lebihtinggi jika dibandingkan metode LVQ

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan LVQ dan Backpropagation

95.095.596.096.597.097.598.098.599.099.5

100.0100.5

1 2 3 4 5 6 7 8 9 10 11 12

Aku

rasi

Learning rate

Klasifikasi DM

0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.5 0.9

0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.5 0.9

Gambar 4.7

Page 13: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Gambar 4.8 menunjukkan perbandingantingkat akurasi dari metode LVQ dan Backpropagation yang ditinjau dari jumlahiterasi. Grafik di samping menunjukkanperbedaan nilai akurasi dari keduametode. Jika diambil nilai rata-rata keakurasian dari kedua metode denganmengkombinasikan jumlah iterasi, metodeLVQ mempunyai nilai rata-rata keakurasiansebesar 97.7 % sedangkan metodeBackpropagation mencapai 99.2%. Sehingga dengan jumlah iterasi yang samadidapatkan bahwa metodeBackpropagation menunjukkan tingkatakurasi lebih tinggi dibandingkan metodeLVQ.

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan LVQ dan Backpropagation

Agus Nurkhozin/1209201703

93.094.095.096.097.098.099.0

100.0101.0

1 2 3 4 5 6 7 8 9 10 11

Akur

asi

Jumlah Iterasi

Klasifikasi DM

10 30 50 70 90 100 150 200 250 300 500

Gambar 4.8

Page 14: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Gambar 4.9 menunjukkan perbandingantingkat akurasi dari metode LVQ danBackpropagation yang ditinjau dari jumlahdata training. Grafik di sampingmenunjukkan pula perbedaan tingkatakurasi dari kedua metode. Denganmerunning program dengan parameter yangsama yang dalam hal ini digunakan jumlahdata training yang sama didapatkan bahwametode Backpropagation menunjukkantingkat akurasi lebih tinggi dibandingkanmetode LVQ. Jika diambil nilai rata-ratakeakurasian dari kedua metode denganmengkombinasikan jumlah data training,metode LVQ mempunyai nilai rata-ratakeakurasian sebesar 98.1 % sedangkanmetode Backpropagation mencapai 99.3%.

Komparasi Metode Klasfikasi Menggunakan JST LVQ dan Backprogation Perbandingan LVQ dan Backpropagation

Agus Nurkhozin/1209201703

95.0

96.0

97.0

98.0

99.0

100.0

101.0

1 2 3 4 5 6 7 8 9

Aku

rasi

Jumlah Data Training

Klasifikasi DM

* Backpro* LVQ

10 50 100 150 200 250 300 350 400

Gambar 4.9

Page 15: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JSTLVQ dan Backprogation Komparasi dari tiga parameter

Parameter

Metode LVQ Metode Backpropagation

Akurasi (%)

Error (%)

Akurasi (%)

Error (%)

Learning rate 97.7 2.3 99 1

Jumlah iterasi 97.7 2.3 99.2 0.8

Banyak data training

98.1 0.9 99.3 0.7

Komparasi metode klasifikasi menggunakanmtode LVQ dan Backpropagation untuktiga parameter dihasilkan sebagai berikut :

Tabel 4.8

Page 16: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

KESIMPULAN

Berdasarkan hasil uji coba system yang telah dibuat dengan menggunakan metodeLVQ dan metode Backpropagation, maka dapat diambil beberapa kesimpulansebagai berikut::

a. Ditinjau dari parameter learning rate, didapatkan nilai rata-rata keakurasianmenggunakan metode LVQ adalah 97.7% dan error klasifikasi sebesar 2.3%. Sedangkan menggunakan metode Backpropagation didapatkan nilai rata-rata keakurasian 99% dan error klasifikasi sebesar 1%. Sehingga ditinjau dariparameter learning rate, klasifikasi dengan menggunakan metode Backpropagation mempunyai tingkat akurasi yang lebih tinggi jika dibandingkan dengan metode LVQ.

b. Dengan mengubah-ubah parameter jumlah iterasi pada training dari keduametode, didapatkan nilai rata-rata keakurasian menggunakan metode LVQ adalah97.7% dan error klasifikasi sebesar 2.3%. Sedangkan menggunakan metodeBackpropagation didapatkan nilai rata-rata keakurasian 99.2% dan error klasifikasi sebesar 0.8%.Sehingga klasifikasi dengan menggunakan metode Backpropagation mempunyai tingkat akurasi yang lebih tinggi jika dibandingkan dengan metode LVQ.

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JSTLVQ dan Backprogation KESIMPULAN DAN SARAN

Page 17: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI

c. Diihat dari uji coba training dengan mengubah-ubah jumlah data training, didapatkan nilai rata-rata keakurasian menggunakan metode LVQ adalah98.1% dan error klasifikasi sebesar 1.9%. Sedangkan menggunakan metodeBackpropagation didapatkan nilai rata-rata keakurasian 99.3% dan errorklasifikasi sebesar 0.7%. Sehingga klasifikasi dengan menggunakan metode Backpropagation mempunyai tingkat akurasi yang lebih tinggi jikadibandingkan dengan metode LVQ.

d. Dari uraian di atas dapat ditarik kesimpulan bahwa secara umum metode Backpropagation lebih baik jika dibandingkan dengan metode LVQ dalam kaitanya dengan permasalahan klasifikasi penyakit diabetes mellitus.

SARAN

Dalam rangka pengembangan penelitian, perlu dilakukanpenelitian klasifikasi kasus yang lain karena jaringan LearningVector Quantization (LVQ) dan Backpropagation masih dapatmemungkinkan untuk dikaji dan dikembangkan.

Agus Nurkhozin/1209201703

Komparasi Metode Klasfikasi Menggunakan JSTLVQ dan Backprogation KESIMPULAN DAN SARAN

Page 18: Komparasi MetodeKlasifikasi Penyakit Diabetes Mellitus …digilib.its.ac.id/public/ITS-Master-17870-1209201703-presentation... · vMetodologi vAlgoritma KOMPARASI METODE KLASIFIKASI