JURNAL KLASIFIKASI

Algoritma Klasifikasi Neural Network Untuk Diagnosis

Penyakit Diabetes

DATA MINING – A

KELOMPOK 6
Dadan 1177050026
Kartika Aprila 1177050058
Pramadita Sielda Dewi 1177050089
Toni Maulana 1177050114
Muhammad Ridhwan Ramadhan 1177050124

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGRI SUNAN GUNUNG DJATI
BANDUNG
2020
 Algoritma Klasifikasi Neural Network Untuk Diagnosis
Penyakit Diabetes
Dadan1, Kartika Aprila2, Pramadita Sielda Dewi3,
Toni Maulana4, M.Ridhwan Ramadhan5
1,2,3,4,5
Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung,
Indonesia Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sunan
Gunung Djati, Bandung, Indonesia
Corresponding E-mail: 1177050058@student.uinsgd.ac.id

ABSTRAK

Diabetes merupakan penyakit yang sangat mematikan terbukti dari tahun ke tahun selalu
ada yang meninggal dikarnakan pasien tersebut mengidap penyakit diabetes, banyak cara
penangguhan sejak dini untuk penyakit diabetes. Salah satunya dengan data mining klasifikasi
algoritma neural network yang dapat digunakan untuk prediksi pasien mana yang terkena
penyakit diabetes dan pasien mana yang tidak terkena penyakit diabetes dengan menggunakan
parameter dan indikator yang ada, dan tools yang digunakan adalah tools jupyter notebook.
Dari penelitian ini, didapatkan hasil bahwa Neural Network menghasilkan nilai accuracy
sebesar 64,9%yang menunjukan bahwa hasil klasifikasinya cukup, sehingga dari dataset tersebut
dapat diprediksi mana saja yang mengidap penyakit diabetes dan mana yang bukan.
Katakunci: diabetes, klasifikasi, data mining, neural network.

ABSTRACT

Diabetes is a very deadly disease. It is proven that from year to year there are always those
who die because the patient has diabetes, there are many ways to prevent diabetes from an early
age. One of them is the data mining classification algorithm, a neural network that can be used to
predict which patients have diabetes and which patients are not diabetic by using existing
parameters and indicators, and the tools used are jupyter notebook tools.
 From this study, the results show that the Neural Network produces an accuracy value of
64,9% which indicates that the classification results are sufficient, so that from the dataset it can
be predicted which ones have diabetes and which are not.
Keywords: diabetes, classification, data mining, neural network.

1 PENDAHULUAN

Diabetes mellitus adalah gangguan metabolisme yang secara genetik dan klinis termasuk
heterogen dengan manifestasi berupa hilangnya toleransi karbohidrat, jika telah berkembang
penuh secara klinis maka diabetes mellitus ditandai dengan hiperglikemia puasa postprandial,
aterosklerosis dan penyakit vaskular mikroangiopati. (Fatimah, 2015)[1].

Diabetes mellitus (DM) merupakan salah satu masalah kesehatan yang besar. Data dari
studi global menunjukan bahwa jumlah penderita Diabetes Melitus pada tahun 2011 telah
mencapai 366 juta orang. Jika tidak ada tindakan yang dilakukam, jumlah ini diperkirakan akan
meningkat menjadi 552 juta pada tahun 2030. Diabetes mellitus telah menjadi penyebab dari
4,6 juta kematian. Selain itu pengeluaran biaya kesehatan untuk Diabetes Mellitus telah
mencapai 465 miliar USD. International Diabetes Federation (IDF) memperkirakan bahwa
sebanyak 183 juta orang tidak menyadari bahwa mereka mengidap DM. Sebesar 80% orang
dengan DM tinggal di negara berpenghasilan rendah dan menengah. Pada tahun 2006, terdapat
lebih dari 50 juta orang yang menderita DM di Asia Tenggara. Jumlah penderita DM terbesar
berusia antara 40-59 tahun(Trisnawati & Setyorogo, 2013)[2].

Ada beberapa jenis Diabetes Mellitus yaitu Diabetes Mellitus Tipe I, Diabetes Mellitus
Tipe II, Diabetes Mellitus Tipe Gestasional, dan Diabetes Mellitus Tipe Lainnya. Jenis Diabetes
Mellitus yang paling banyak diderita adalah Diabetes Mellitus Tipe 2. Diabetes Mellitus Tipe
2 (DM Tipe 2) adalah penyakit gangguan metabolik yang di tandai oleh kenaikan gulah darah
akibat penurunan sekresi insulin oleh sel beta pankreas dan atau ganguan fungsi insulin
(resistensi insulin)(Trisnawati & Setyorogo, 2013)[3].
Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan
buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang
bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Istilah data mining
memiliki hakikat sebagai disiplin ilmu yang tujuan utamanya adalah untuk menemukan,
menggali, atau menambang pengetahuan dari data atau informasi yang kita miliki (Ridwan,
Suyono, & Sarosa, 2013)[4].

Neural Network Merupakan sebuah sistem pembelajaran terhadap penerimaan

informasi yang memiliki kinerja layaknya sebah jaringan syaraf pada manusia. Neural
Network diimplementasikan dengan menggunakan program komputer sehingga mampu
menyelesaikan sejumlah proses perhitungan. Salah satu pengguna Neural Network adalah
untuk pengenalan pola, sistem pengenalan pola merupakan komponen penting dalam proses
peniruan cara kerja manusia (Nurmila & Sugiharto, 2005)[5].

Neural Network adalah prosesor yang terdistribusi paralel, terbuat dari unit-unit yang
sederhana, dan memiliki kemampan untuk menyimpan pengetahuan yang diperoleh secara
eksperimental dan siap pakai untuk berbagai tujuan. [6].

Gambar 1. Proses Komunikasi Antar Neuron

Pada gambar 1 diperlihatkan bahwa neural network terdiri atas satuan-satuan pemroses
berupa neuron. Y sebagai output menerima input dari neuron X1, X2, X3, ..., Xn dengan bobot
W1, W2, W3, ...., Wn. Hasil penjumlahan seluruh impuls neuron dibandingkan dengan nilai
ambang tertentu melalui fungsi aktivasi f setiap neuron. Fungsi aktivasi digunakan sebagai
penentu keluaran suatu neuron[7].
 Salah satu metode pelatihan dalam Neural Network adalah pelatihan terbimbing
(supervised learning). Pada pelatihan terbimbing diperlukan sejumlah masukan dan target
yang berfungsi untuk melatih jaringan hingga diperoleh bobot yang diinginkan[8].

Maka dalam penelitian ini penulis berfokus pada algoritma klasifikasi machine learning
yang akan digunakan adalah neural network yang bertujuan untuk mengklasifikasi diagnosa
penyakit diabetes yang ditujukan dengan besarnya akurasi setelah penulis melakukan penelitian
menggunakan tools Jupyter Notebook.

2 METODOLOGI

Penelitian ini dilakukan melalui beberapa tahapan, yaitu:

1) Menentukan Dataset
Data untuk penelitian ini adalah data diabetes yang didapat dari Machine Learning
Repocitory UCI (Universitas California Invene) dengan alamat web :
http://archive.ics.uci.edu/ml. Data yang dipakai sebanyak 220 sample.

2) Studi Literatur
Setelah penulis memperoleh dataset, kemudian mencari literatur guna menjadikan tolak
ukur penelitian yang dilakukan.

3) Pengolahan Data Awal (Pre Processing)

Sebanyak 220 Data set dari data diabetes yang didapat dari UCI Repository akan
ditransformasikan sesuai algoritma neural network

4) Menerapkan Metode Learning dan Testing menggunakan Neural Network

Pembelajaran atau proses learning proses pertama dengan cara menghitung nilai
prediksi data pada waktu terdahulu. Nilai diabetes diproses learning terlebih dahulu untuk
mengetahui apakah dalam data ada nilai nominal atau tidak, apabila ada maka ubah nilai
nominal menjadi numerik karena ada boost tidak dapat membaca nilai nominal. Pada tahap
 ini data hasil pengolahan antara training menggunakan Neural Network dan learning
menggunakan NeuralNetwork setelah itu diuji untuk mengukur berapa akurasi trend dari
prediksi.

5) Perancangan Sistem

Tahap ini merupakan tahap perancangan sistem diabetes menggunakan algoritma Neural
Network yang dibangun dengan bahasa pemrograman python. Terdapat dua proses utama
dalam perancangan sistem disini, yaitu persiapan dataset dan implementasi algoritma Neural
Network yang akan menghasilkan pasien terkena diabetes atau tidak.

Gambar 2. Flowchart
6) Implementasi
Tahap implementasi perangkat lunak dilakukan dengan menggunakan bahasa
pemrograman python dengan tools Jupyter Notebook dan algoritma Neural Network serta
rules untuk mendapatkan hasil yang diinginkan.

7) Pengujian Sistem
Pada tahap ini dilakukan pengujian terhadap performansi dan akurasi algoritma Neural
Network yang diterapkan pada System .Pengujian ini dilakukan dengan beberapa pertanyaan
untuk memprediksi pasien yang terkena diabetes, yaitu angka banyak nya kelahiran, kadar
glukosa, tekanan darah, tebal kulit, kadar insulin, BMI,riwayat diabetes, dan umur.

3 HASIL DAN PEMBAHASAN

Proses training, learning, dan testing menggunakan model neural network dengan dataset
sebanyak 220 data sebagai berikut:

1. Dataset diambil dari UCI yaitu diabetes.csv , selanjutnya akan diolah melalui bahasa
pemrograman python dengan lingkungan jupyter notebook.

Gambar 3.Data latih

 Gambar 4.Data Uji
2. Tahap awal , melakukan pemanggilan dataset diabetes_latih.csv dan diabetes_uji.csv serta
menseting modul pandas, seperti kode dibawah ini.

Gambar 5

3. Selanjutnya membangung model klasifikasi Neural Network melalui fungsi sklearn

 Gambar 6

4. Tingkat akurasi yang dimiliki adalah sebesar 64,9%, setelah dilakukan Cross Validasi
terhadap seluruh dataset yang akan membagi data berdasarkan 20/80 , dimana 20% adalah
data latih dan 80% adalah data uji , maka hasilnya adalah 64,9%, ini menunjukan bahwa
dimilikinya dataset yang seimbang

Gambar 7

5. Untuk pengujian system, terdapat beberapa pertanyaan untuk memprediksi penyakit

diabetes tersebut
 Gambar 8

4 KESIMPULAN

Berdasarkan penelitian yang dilakukan oleh penulis menggunakan jupyter notebook

terhadap dataset diabetes yang didapat dari UCI repository yang diuji dengan metode Neural
Network menghasilkan nilai accuracy sebesar 64,9% yang menunjukan bahwa hasil
klasifikasinya cukup, sehingga dari dataset tersebut dapat diprediksi mana saja yang mengidap
penyakit diabetes dan mana yang bukan, sehingga dapat diprediksi dan menjadi tolak ukur
diagnosis serta dapat mendeteksi diabetes lebih dini.
 REFERENSI

[1] Fatimah, R. N. (2015). DIABETES MELITUS TIPE 2. J MAJORITY, 4, 93–101.

[2] Nurmila, N., & Sugiharto, A. (2005). Algoritma neural network untuk klasifikasi diabetes 1,
1–10.

[3] Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja
Akademik Mahasiswa Menggunakan Algoritma Neural Network. EECCIS, 7(1), 59–64.

[4] Rosyada, A., & Trihandini, I. (2010). Determinan Komplikasi Kronik Diabetes Melitus pada
Lanjut Usia Determinan of Diabetes Mellitus Chronic Complications on Elderly. Jurnal Kesehatan
Masyarakat Nasional, 395–401.

[5] Trisnawati, S. K., & Setyorogo, S. (2013). Faktor Risiko Kejadian Diabetes Melitus Tipe II Di
Puskesmas Kecamatan Cengkareng Jakarta Barat Tahun 2012. Jurnal Ilmiah Kesehatan, 5(1), 6–
11.

[6] Pradhan, M., Kohale, K., Naikade, P., et.all. (2012). Design of Classifier for Detection of
Diabetes using Neural Network and Fuzzy k-Nearest Neighbor Algorithm. International Journal
Of Computational Engineering Research. Vol.2 Issue 5.

[7] Breimen, L., Schwenk, H., Bengio, Y. (2000). Boosting Neural Network. Neural Competition
12, 1869-1807. Massachutes Institute of Technology.

[8] Fausset, L. (1994). Fundamental of Neural Network. Architecture, Algorithms, and

Application. MIT press.
[9] Adiningsih, R.U. (2011). Faktor-Faktor Yang Berhubungan Dengan Kejadian Diabetes Militus
Tipe 2 Pada Orang Dewasadi Kota Padang Panjang. Skripsi S-1 Ilmu Kesehatan Masyaakat
Universitas Andalas Padang. [2] Breimen, L., Schwenk, H., Bengio, Y. (2000). Boosting N

[10] Bishop, M.C. (1996). Neural Network for Pattern Recognition. Oxford UK:Clarendon press.
[4] Fausset, L. (1994). Fund
BIOGRAFI PENULIS

Nama : Dadan
TL : 05 Februari 1999
Asal Daerah : Lemahsugih, Majalengka

Nama : Kartika Aprila

TL : 13 April 1999
Asal daerah : Bekasi

Nama : Pramadita Sielda Dewi

TL : 24 Oktober 1999
Asal daerah : Cikaso, Bandung

Nama : Toni Maulana

TL : 04 Desember 1996
Asal daerah : Malausma, Majalengka

Nama : Muhammad Ridhwan Ramadhan

TL : 21 Desember 1998
Asal daerah : Cimahi