REDUKSI VARIABEL -VARIABEL GEJALA PENYAKIT EPILEPSI DENGAN ALGORITMA BACKPROPAGATION

pujiyanta, ardi and ismail, taufik (2016) REDUKSI VARIABEL -VARIABEL GEJALA PENYAKIT EPILEPSI DENGAN ALGORITMA BACKPROPAGATION. [Artikel Dosen]

[thumbnail of 172906-ID-reduksi-variabel-variabel-gejala-penyaki.pdf] Text
172906-ID-reduksi-variabel-variabel-gejala-penyaki.pdf

Download (111kB)
[thumbnail of HASIL CEK_172906-ID-reduksi (1).pdf] Text
HASIL CEK_172906-ID-reduksi (1).pdf

Download (1MB)
[thumbnail of PEER REVIEW-REDUKSI VARIABEL -VARIABEL GEJALA PENYAKIT EPILEPSI DENGAN ALGORITMA BACKPROPAGATION.pdf] Text
PEER REVIEW-REDUKSI VARIABEL -VARIABEL GEJALA PENYAKIT EPILEPSI DENGAN ALGORITMA BACKPROPAGATION.pdf

Download (274kB)

Abstract

Pada tahun 2000, diperkirakan penyandang epilepsi di seluruh dunia berjumlah 50 juta orang, 37 juta orang di antaranya adalah epilepsi primer, dan 80% tinggal di negara berkembang. Penyakit epilepsi didefinisikan sebagai suatu sindrom yang ditandai oleh gangguan fungsi otak yang bersifat sementara dan paroksismal, yang memberi manifestasi berupa gangguan, atau kehilangan kesadaran, gangguan motorik, sensorik, psikologik, dan sistem otonom, serta bersifat episodik. Ada kendala yang harus dihadapi oleh masyarakat yaitu jumlah dokter spesialis yang tidak seimbang dengan penderita dan biaya yang relatif mahal untuk pemeriksaan penyakit epilepsi. Tujuan yang ingin dicapai dalam penelitian ini adalah bagaimana mereduksi variable-variabel gejala penyakit epilepsi dengan menggunakan jaringan saraf tiruan yang dapat menghasilkan output yang maksimal. Sistem kerja dari diagnosa ini mengunakan metode backpropagatione yang merupakan salah satu metode atau model jaringan saraf tiruan. Pemilihan digunakannya metode ini karena proses pelatihan lebih cepat dengan tingkat ketelitian yang tinggi, dimana vektor masukan pada proses pelatihan menjadi vektor bobot. Metode yang digunakan adalah studi literatur. Tahap pengembangan aplikasi perangkat lunak meliputi tahap analisis sistem perancangan sistem, pemrograman dan pengujian sistem.Ketika dilakukan pengujian dengan mereduksi beberapa gejala, ternyata jaringan masih dapat mengenali penyakit dengan akurasi yang cukup tinggi yaitu sebesar 92%, ketika gejala yang direduksi gejala G009,G016 dan G024.

Item Type: Artikel Dosen
Subjects: T Technology > T Technology (General)
Divisi / Prodi: Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User: Dr. Ir. Ardi Pujiyanta, M.T.
Date Deposited: 22 Nov 2021 03:14
Last Modified: 22 Nov 2021 03:14
URI: http://eprints.uad.ac.id/id/eprint/28964

Actions (login required)

View Item View Item