Anda di halaman 1dari 39

METODE JARINGAN SARAF TIRUAN BACKPROPAGASI UNTUK MEMPREDIKSI GEJALA AWAL PENYAKIT KUSTA

RICA AYU SETIANI WP / D411 08 256 NUR JANNAH / D411 08 262


Copyright Wondershare Software

BAB 1 PENDAHULUAN

Copyright Wondershare Software

1.1 LATAR BELAKANG


Penyakit kusta adalah penyakit kronik yang disebabkan oleh bakteri Mycrobacterium leprae yang terjadi pada kulit saraf tepi. Apabila penanganan penderita kusta terlambat, dapat mengakibatkan kecacatan. Jaringan saraf tiruan adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. Jaringan saraf tiruan merupakan sistem adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal.
Copyright Wondershare Software

Algoritma yang digunakan dalam penelitian adalah jaringan saraf tiruan Backpropagasi. Backpropagasi salah satu algoritma yang sering digunakan dalam menyelesaikan masalah masalah yang rumit. Hal ini dimungkinkan karena jaringan dengan algoritma ini dilatih dengan metode belajar terbimbing. Oleh karena itu, pada penelitian ini Kami mencoba memberikan alternatif pemecahan masalah dengan metode JST Backpropagasi. Sistem ini diharapkan dapat memprediksi gejala awal penyakit kusta sehingga tingkat kecacatan dapat dikurangi.
Copyright Wondershare Software

1.2 PERUMUSAN MASALAH


Bagaimana membuat suatu sistem yang dapat memprediksi gejala awal penyakit kusta dari permukaan kulit dengan metode Jaringan Saraf Tiruan (JST) Backpropagasi.

1.3 TUJUAN PENELITIAN


Tujuan penelitian ini adalah membuat suatu sistem yang dapat memprediksi gejala awal penyakit kusta dengan metode Jaringan Saraf Tiruan (JST) Backpropagasi
Copyright Wondershare Software

1.4 BATASAN MASALAH


1. Citra yang akan diolah adalah hasil foto terhadap kulit yang terkena penyakit kusta. Dimana, dalam proses pengambilan gambar harus memiliki pencahayaan yang tepat. 2. Data yang diolah berasal dari sebuah file gambar (bmp) dan file gambar (jpg). 3. Jumlah gambar referensi (database) yang digunakan sebanyak 297 gambar dan gambar uji sebanyak 20 gambar. 4. Ukuran gambar pola kusta 100 x 100 pixel 5. Background dari gambar pola kusta berwarna putih.
Copyright Wondershare Software

6. Konsep dasar pengenalan pola berbasis

Jaringan Saraf Tiruan Backpropagasi. 7. Sistem ini hanya mengenali penyakit kusta berdasarkan pola sehingga butuh pemeriksaan lanjut dari tim medis.

Copyright Wondershare Software

1.5 METODE PENELITIAN


START
STUDI PUSTAKA
PENGUMPULAN DATA PERANCANGAN SISTEM

TIDAK

YA

PEMBUATAN LAPORAN

APAKAH SISTEM SUDAH BERJALAN DENGAN BAIK

END

Copyright Wondershare Software

1.6 SISTEMATIKA PENULISAN


Untuk mempermudah penulisan agar pembahasan yang disajikan lebih sistematis, maka laporan ini dibagi dalam lima bab, yaitu : BAB I PENDAHULUAN BAB II LANDASAN TEORI BAB III METODOLOGI PENELITIAN BAB IV ANALISA DAN PEMBAHASAN BAB V PENUTUP

Copyright Wondershare Software

BAB 2 LANDASAN TEORI

Copyright Wondershare Software

Kusta adalah penyakit kronik yang disebabkan oleh kuman Mycrobacterium Leprae yang pertama kali menyerang susunan saraf tepi, selanjutnya dapat menyerang kulit, mukosa, saluran pernapasan bagian atas, sistem retikulo endotelial, mata, otot, tulang dan testis. Timbulnya kusta bagi seseorang tidak mudah, dan tidak perlu ditakuti karena tergantung dari beberapa faktor, antara lain : 1. Faktor Sumber Penularan 2. Faktor Kuman Kusta 3. Faktor Daya Tahan Tubuh
Copyright Wondershare Software

2.1 PENYAKIT KUSTA

Untuk menetapkan diagnosa penyakit kusta perlu dicari tanda-tanda utama penyakit kusta pada badan. Bila ragu-ragu, orang tersebut akan dianggap sebagai kasus dicurigai (suspek) dan diperiksa ulang setiap 3 bulan sampai diagnosa dapat ditegakkan. Untuk melakukan diagnosa secara lengkap dilaksanakan hal-hal berikut : 1. Anamnese 2. Pemeriksaan klinis 3. Pemeriksaan bakterioskopik 4. Pemeriksaan hispatologis 5. Immunologis
Copyright Wondershare Software

2.2 PENGOLAHAN CITRA


Pengolahan citra adalah suatu fungsi kontinu dari intensitas cahaya dalam bidang dua dimensi dengan menyatukan suatu koordinat dengan nilai pada setiap titik menyatukan intensitas atau tingkat kecerahan atau derajat keabuan. Operasi-operasi yang dilakukan dalam pengolahan citra dapat diklasifikasikan sebagai berikut : 1. Peningkatan kualitas citra (image enhancement) 2. Perbaikan citra (image restoration) 3. Pemampatan citra (image compression) 4. Segmentasi citra 5. Analisis citra (image analysis) 6. Rekonstruksi citra (image recontruction)
Copyright Wondershare Software

Citra digital mengandung sejumlah elemenelemen dasar yang dimanipulasi dalam pengolahan citra dan diekploitasi lebih lanjut dalam komputer. Elemen-elemen dasar diantaranya : 1. Kecerahan (brightness) 2. Kontras (contrast) 3. Kontur (contur) 4. Warna (colour) 5. Bentuk (shape) 6. Teksture (texture)
Copyright Wondershare Software

2.3 DETEKSI TEPI


Edge atau sisi adalah tempat-tempat di mana tingkat perubahan intensitas paling tinggi. Tempat perubahan intensitas dan sekitarnya dikonversi menjadi bernilai nol atau satu sehingga mengubah citra menjadi citra biner. Ada tiga macam tepi yang terdapat di dalam citra digital, yaitu: 1. Tepi curam 2. Tepi landai 3. Tepi yang mengandung noise
Copyright Wondershare Software

Deteksi tepi pada suatu citra memiliki tujuan : 1. Menandai bagian yang menjadi detil citra 2. Memperbaiki detil citra yang kabur karena error atau efek proses akusisi.
Copyright Wondershare Software

2.4 METODE DETEKSI TEPI CANNY


Canny merupakan salah satu algoritma deteksi tepi modern. Algoritma deteksi tepi canny dikenal sebagai algoritma yang optimal dalam melakukan pendeteksian tepi. Untuk meningkatkan metode-metode yang telah ada dalam pendeteksian tepi, algoritma deteksi tepi mengikuti beberapa kriteria : a. Good detection b. Good localization c. Only one response to a single edge
Copyright Wondershare Software

Sebagai kesimpulan langkah-langkah yang dilakukan dengan metode deteksi tepi canny adalah sebagai berikut : a. Menghaluskan citra masukan dengan filter Gaussian. b. Mangkalkulasi besar gradien dan sudut citra. c. Mengaplikasikan suppresi nonmaksimal pada besaran gradien citra. d. Menggunakan nilai ambang ganda dan analisa keterhubungan untuk mendeteksi dan menghubungkan antar tepi
Copyright Wondershare Software

2.5 JARINGAN SARAF TIRUAN


Saat ini bidang kecerdasan buatan dalam menirukan intelegensi manusia belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi lain. Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi atau disebut Cognitive Science. Dari teori dasar ini, dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam pengembangannya yang lebih lanjut dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan.

Copyright Wondershare Software

Aplikasi jaringan saraf tiruan, yaitu : 1. Pengenalan pola 2. Signal Processing 3. Peramalan Kelebihan dari jaringan saraf tiruan : a. Kemampuan mengakusisi pengetahuan walaupun dalam kondisi ada gangguan dan ketidakpastian. b. Kemampuan mempresentasikan pengetahuan secara flexibel c. Kemampuan untuk memberikan toleransi atau suatu distorsi. d. Kemampuan memproses pengetahuan secara efisien.
Copyright Wondershare Software

2.6 BACKPROPAGASI
Di dalam jaringan backpropagasi, stiap unit yang berada di lapisan masukan terhubung dengan setiap unit yang ada di lapisan tersembunyi. Hal serupa juga berlaku pada lapisan tersembunyi. Setiap unit yag ada di lapisan tersembunyi terhubung dengan setiap unit yang ada di lapisan keluaran.

Gambar Arsitektur Backpropagasi


Copyright Wondershare Software

Pelatihan backpropagasi meliputi 3 fase. Fase pertama adalah fase maju. Pola masukan dihitung maju mulai dari layar masukan hingga layar keluaran menggunakan fungsi aktivasi yang ditentukan. Fase kedua adalah fase mundur. Selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari garis yang berhubungan langsung dengan unitunit di layar keluaran. Fase ketiga adalah modifikasi untuk menurunkan kesalahan yang terjadi.
Copyright Wondershare Software

BAB 3 METODE PENELITIAN

Copyright Wondershare Software

JENIS PENELITIAN Jenis penelitian ini adalah penelitian eksperimental yaitu deteksi kondisi kusta dan bukan kusta dengan model simulasi desain program. SUMBER DATA Data sekunder berupa foto gejala awal penyakit kusta yang digunakan untuk penelitian ini diambil dari Balai Latihan Kusta Nasional (BLKN)
Copyright Wondershare Software

STRUKTUR UMUM SISTEM


Tahap 1: Pemilihan Citra Uji Deteksi Tepi Tahap 2 : Ekstraksi Ciri Tahap 3 : Pelatihan Pengenalan

Pengolahan Citra

Citra Uji dan Citra Latih

Informasi

Exit
Copyright Wondershare Software

RANCANGAN TAMPILAN SISTEM

Copyright Wondershare Software

BAB 4 ANALISA DAN PEMBAHASAN

Copyright Wondershare Software

TAHAP PENGOLAHAN CITRA


Dalam tahap pengolahan citra terdapat 3 proses, yaitu : a. Proses Resize b. Proses Croping c. Proses Pemisahan Objek dari Background

Copyright Wondershare Software

TAHAP SIMULASI PADA SISTEM


Pada tahap simulasi pada sistem terdapat 4 tahap yang dapat kita lihat pada gambar di bawah ini :

Copyright Wondershare Software

PROSES EDGE DETECTION

Canny

Sobel

Prewitt

Roberts

Perbandingan metode-metode deteksi tepi dengan = 0.5

Copyright Wondershare Software

METODE CANNY DENGAN VARIASI NILAI THRESHOLD

= 0.05

= 0.5

= 0.85

Copyright Wondershare Software

PROSES PELATIHAN
Berikut syntax pemograman metode Backpropagasi : net=newff(PR,[S1,S2,, SN],{TF1, TF2, , TFN}, BTF) Dimana : net = jaringan backpropagasi yang terdiri dari n layar. PR = nilai minimum dan maksimum R buah elemen masukannya. Si (i = 1, 2, , n) = jumlah unit pada layar ke-i (i= 1, 2, , n) TFi (i = 1, 2, , n) = fungsi aktivasi yang dipakai pada layar ke-I (i = 1, 2, , n). Sigmoid bipolar (tansig), sigmoid biner (logsig) dan fungsi identitas (purelin). BTF = fungsi pelatihan jaringan. Default = traingdx
Copyright Wondershare Software

Pengaruh perubahan hidden layer terhadap sistem :

Pengaruh fungsi aktivasi terhadap sistem :

Copyright Wondershare Software

Pengaruh nilai lr terhadap sistem :

Pengaruh nilai goal terhadap sistem :

Copyright Wondershare Software

KEAKURATAN SISTEM
Dari hasil pengamatan dapat diketahui bahwa sistem untuk citra kusta yang diambil dari data referensi adalah : % Keakuratan = (1-(0/10)) x 100 % = 100%

Sedangkan, dari hasil pengamatan terhadap citra uji yang merupakan diagnosa banding dan citra kusta yang tidak terdapat pada data referensi adalah : % Keakuratan = [ 90 % + 70 %] /2 = 80 % Copyright Wondershare Software

BAB 5 PENUTUP
Copyright Wondershare Software

KESIMPULAN
1. 2. 3. Berdasarkan penelitian Metode Jaringan Saraf tiruan Backpropagasi untuk Memprediksi Gejala Awal Penyakit Kusta, dapat disimpulkan bahwa : Hasil keakuratan sistem untuk citra uji diperoleh sekitar 80%. Hasil keakuratan untuk citra latih diperoleh sekitar 83%. Waktu yang dibutuhkan oleh sistem mulai dari proses pengambilan gambar hingga pengenalan adalah minimum 19,506575 detik dan maksimum 3 menit 2,506575 detik. Tidak maksimalnya tingkat keakuratan sistem disebabkan karena adanya nilai parameter yang belum optimal dan masih kurangnya pola gejala awal penyakit kusta sehingga mempengaruhi hasil identifikasi sistem. Nilai parameter untuk memprediksi gejala awal penyakit kusta dalam penelitian ini adalah target error pada proses pelatihan digunakan MSE, nilai goal sebesar 0.001, nilai lr (learning rate) sebesar 0.0005, frekuensi perubahan MSE adalah 50, dan jumlah epoch maksimum sebesar 250.
Copyright Wondershare Software

4.

5.

SARAN
1. Diharapkan adanya pengembangan sistem prediksi gejala awal penyakit kusta, sehingga dapat mengenali semua bentuk gejala awal penyakit kusta meskipun data referensinya berbeda dengan input yang diberikan. 2. Diharapkan adanya pengembangan sistem prediksi gejala awal penyakit kusta, agar proses prediksinya lebih stabil sehingga tingkat akurasinya lebih tinggi. 3. Diharapkan database gambar gejala awal penyakit kusta lebih diperbanyak sehingga sistem lebih akurat. 4. Diharapkan adanya pengembangan sistem perangkat keras untuk memprediksi gejala awal penyakit kusta.
Copyright Wondershare Software

TERIMA KASIH . . .
Copyright Wondershare Software