Oleh :
Volvo Sihombing
Dosen Prodi Manajemen Informatika, AMIK Labuhanbatu
Rantauprapat, Medan; volvo_choky@yahoo.com
Abstract
Based on the data from healty ministry of Republic of Indonesia in 2013 said Tuberculosis
disease for children now is growing so fast. This TBC is not “contaminate” but still dangerous for the
children itself. Perceptron method is the best method in Artificial Intelligence system it can be used in
identifying the pattern very well, because this Perceptron method has the learning process that can
generate the convergent weight so the output value equal to target every single input. The way to
determine the inputs for testing is used the criteria “identified and disidentified”, so that in this research
applying JST will really helpful doctor in diagnosing early properly, because the result of real diagnosing
is really helpful in decreasing the contaminated of Primary TBC. The accuracy with 15 samples of
training data produce 60%, while the testing data proving 100% that this method can identify the disease
pattern.
26 | P a g e
Volvo Sihombing Informatika : Jurnal Ilmiah AMIK Labuhan Batu
Vol.4 No.2 /Mei/2016
f(y) = 1 y≥0
Gambar 1. Jumlah populasi berdasarkan usia. 0y<0
Sekurang-kurang nya 500.00 anak menderita TB fungsi ini menentukan batas ambang antara target
setiap tahun, 200 anak meninggal setiap hari dengan keluaran jaringan.
didunia, 700 anak meninggal setiap tahun akibat
TB. c. Gambar III Model Arsitektur JST
Perceptron
a. Diagnosis TB Anak
Tuberkulosis merupakan penyakit infeksi
sistemik/umum dan khusus. Gejala umum/sistemik
dan khusus.
27 | P a g e
Volvo Sihombing Informatika : Jurnal Ilmiah AMIK Labuhan Batu
Vol.4 No.2 /Mei/2016
18 1 1 0 1 0 1 0 0 1 Pasien X1 X2 X3 X4 X5 X6 X7 X8 Output
19 1 0 1 0 1 1 1 0 1 Ke-
20 0 0 1 1 0 1 0 0 0
1 1 0 1 1 0 1 0 1
2 1 1 1 0 0 1 1 1
15 data sebagai data pelatihan, 5 sebagai data
pengujian. Untuk nilai variabel Gejala A s/d H 3 0 0 0 1 1 0 0 0
berupa variabel X1 s/d X8. Data pasien yang
digunakan adalah pasien yang memiliki ada gejala 4 0 0 1 0 1 0 0 1
dan tidak ada gejala. Jika bernilai +=1, jika =0.
5 0 1 0 1 0 0 1 0
Tabel III Data Pelatihan.
Pasie X X X X X X X X Targ
n Ke- 1 2 3 4 5 6 7 8 et
Sehingga menghasilkan output seperti berikut :
1 1 1 1 1 0 1 1 0 1
2 1 1 0 1 0 0 0 0 0
3 1 0 1 0 0 0 0 0 0
4 1 1 0 1 0 1 0 0 1
5 0 0 1 1 0 0 0 1 0
6 0 0 1 1 0 1 0 0 0
7 0 1 0 0 1 1 0 0 0
8 0 0 1 0 1 1 1 0 1
9 1 0 1 0 1 1 1 0 1
10 1 0 1 0 0 1 0 0 0
11 1 0 0 1 0 1 0 1 1
12 0 1 0 0 1 0 0 1 0
13 1 0 1 0 0 1 1 1 1
14 0 0 0 0 0 1 1 1 0
15 0 0 0 0 0 1 1 0 0 Proses pengujian dalam penelitian ini akan diuji
berdasarkan pada tabel V. Output belum diketahui
Nilai error yang dihasilkan pada tabel IV. sehingga untuk mendapatkan nilai output atau target
dapat di bandingkan dengan nilai target atau bobot
T akhir dari pelatihan. hasil nya adalah 10110.
a
r
g
1 0 0 1 0 0 0 1 1 0 1 0 1 0 0 V. KESIMPULAN DAN SARAN
e Kesimpulan dalam penelitian ini sebagai
t berikut :
a. Hasil output yang didapat dari 20 sampel
A 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 data dengan pengenalan pola 60% sampai
e 100% dalam mengidentifikasi penyakit TB
r Primer pada anak.
- - - - - - - - -
r 0
1 1
0
1 1 1
0 0
1
0
1
0
1 1 b. Semakain banyak jumlah data yang dilatih
o dan diuji semakin akurat dalam
r
mengidentifikasi penyakit TB Primer pada
Parameter- parameter yang digunakan dalam data anak.
pelatihan : c. Semakin besar nilai dari performance
semakin baik mengenali pola penyakakit.
- Jumlah sampel : 15 data Saran dalam penelitian ini sebagai berikut :
- Unit input :8 a. Diharapkan dengan adanya penelitian
- Unit output :1 ini dapat dikembangkan dengan
- Iterasi /epoch : 100 parameter – parameter yang lain,
- Bias :1 sehingga data yang diuji dapat lebih
akurat.
Pada tahapan ini pada iterasi ke 7 pengenalan b. Diharapkan dengan adanya penelitian
pola sudah ditemukan dengan keakurasian 0.60 atau ini dapat di kembangkan lagi jenis
60% untuk data pelatihan sampai 100%. penyakit TBC pada anak seperti TBC
Tahap pengujian pada tabel V. Milier, TBC Tulang, TBC Jantung dan
yang sejenisnya.
28 | P a g e
Volvo Sihombing Informatika : Jurnal Ilmiah AMIK Labuhan Batu
Vol.4 No.2 /Mei/2016
DAFTAR PUSTAKA
29 | P a g e