DAFTAR ISI
DAFTAR TABEL...................................................................................................i
DAFTAR GAMBAR..............................................................................................ii
BAB I PENDAHULUAN.....................................................................................iii
1.1 Latar Belakang Masalah.........................................................................1
1.2 Rumusan Masalah.....................................................................................3
1.3 Batasan Masalah.......................................................................................3
1.4 Tujuan Penelitian.......................................................................................4
1.5 Manfaat Penelitian.....................................................................................4
1.6 Sistematika Penulisan................................................................................5
1.7 Rencana Kegiatan......................................................................................6
BAB II LANDASAN TEORI................................................................................8
2.1 Penelitian Terdahulu..................................................................................8
2.2 Jaringan Syaraf Tiruan..............................................................................8
Konsep Jaringan Syaraf Tiruan..........................................................................10
Aplikasi Jaringan Syaraf Tiruan.........................................................................12
2.3 Backpropagation.....................................................................................13
2.3.1 Arsitektur Backpropagation......................................................................13
Fungsi Aktivasi...................................................................................................14
Algoritma Pelatihan Backpropagation...............................................................15
2.4 Pengertian prediksi..................................................................................18
2.5 Contoh Kasus..........................................................................................18
2.6 Definisi Obat...........................................................................................25
2.7 Pengelolaan Obat.....................................................................................26
2.8 Use Case Diagram...................................................................................28
2.9 Pengertian Flowchart..............................................................................29
2.10 Pengertian Matlab....................................................................................31
BAB III ANALISIS DAN PERANCANGAN SISTEM...................................33
3.1 Sejarah Singkat Puskesmas Bahorok......................................................33
3.2 Metode Penelitian....................................................................................36
3.2.1 Analisis Sistem.......................................................................................39
3.2.2 Perancangan Sistem................................................................................39
3.2.3 Rancangan Use Case Diagram...............................................................41
3.2.4 Diagram Aktivitas Proses Clustering.....................................................43
3.2.5 Diagram Aktivitas Informasi data kebutuhan obat..................................44
3.3 Data Pendukung......................................................................................44
3.4 Penerapan Metode...................................................................................48
3.5 Perancangan Antar Muka (Interface)......................................................57
3.5.1 Tampilan Halaman Utama.......................................................................57
3.5.2 Form Program memprediksi kebutuhan obat..........................................58
3.5.3 Form Program Hasil Output Kebutuhan Obat.........................................59
DAFTAR PUSTAKA
ii
DAFTAR TABEL
ii
iii
DAFTAR GAMBAR
iii
BAB I
PENDAHULUAN
di seluruh tanah air, utamanya dalam era Jaminan Kesehatan Nasional (JKN).
dasar. Oleh karena itu diperlukan suatu metode untuk pengolahan data pada
Jaringan syaraf tiruan adalah sistem yang adaptif yang dapat merubah
eksternal yang mengalir melalui jaringan tersebut. Jaringan syaraf tiruan dapat
digunakan untuk pemodelan data statistik non-linier yang dapat digunakan untuk
menemukan pola-pola pada data. Salah satu metode pada jaringan syaraf tiruan
layer yang dapat terdiri dari beberapa hidden-layer dan bertujuan untuk
yang bertujuan untuk mengetahui berapa jumlah penduduk kota setiap tahunnya
jumlah penduduk yang digunakan yaitu data tahun 2009-2018 yang berupa data
setiap tahunnya. Dengan maksimum epoch antara 0-10000, learning rate 0.2 dan
target error mulai dari 0.01. sampai dengan 56519.4 untuk mendapatkan hasil
proses pelatihan dan pengujian maka hasil prediksi laju pertumbuhan penduduk
2
3
PUSKESMAS BAHOROK)”.
Rumusan Masalah
Dari uraian diatas, maka yang menjadi rumusan masalah dalam penelitian
dengan tingkat akurasi yang tepat yang dihasilkan oleh jaringan saraf tiruan
Batasan Masalah
Adapun batasan masalah yang akan dibahas oleh penulis adalah sebagai
berikut;
dipuskesmas.
3. Data yang akan di ambil adalah data pada tahun 2018 s/d 2019
3
4
4. Variabel yang digunakan adalah nama obat, jumlah masuk, dan jumlah
keluar.
Tujuan Penelitian
Adapun Tujuan penelitian yang akan dicapai dalam penyusunan skripsi ini
Manfaat Penelitian
berikut :
tersebut.
backpropagation.
puskesmas.
4
5
Sistematika Penulisan
BAB I : PENDAHULUAN
Bab ini berisikan tentang kesimpulan dari hasil yang di peroleh dan
datang.
5
6
6
Tabel I. 1 Rencana Kegiatan
No Kegiatan April 2020 Mei 2020 Juni 2020 Juli 2020 Agustus 2020 September 2020
I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV
1 Indentifikasi Masalah
2 Analisis Kebutuhan Sistem
3 Pengumpulan Data
4 Pembuatan Rancangan Sistem
5 Rancangan Bangun Program
6 Uji Coba Program (Testing)
7 Revisi dan Evaluasi
8 Sidang
BAB II
LANDASAN TEORI
Nasution, S. D. (2015, hal 1). Aplikasi Jaringan Saraf Tiruan untuk Memprediksi
sangat bermanfaat untuk Jaringan syaraf tiruan memprediksi jumlah pasien rawat
inap.
yang dilakukan Widodo, W., Rachman, A., & Amelia, R. (2014, hal 1). Jaringan
Demam Berdarah dengan proses klasifikasi DBD mempunyai ketepatan 74% dan
sistem pemprosesan informasi yang di desain dengan menirukan cara kerja otak
9
pengenalan kegiatan berbasis data masa lalu. Data masa lalu akan di pelajari oleh
syaraf tiruan berkembang pesat dan banyak di gunakan oleh banyak aplikasi,
jaringan syaraf tiruan (Artificial Nural Network) adalah suatu jaringan untuk
memodelkan cara kerja sistem syaraf manusia (otak) dalam melaksanakan tugas
otak biologis yang bertujuan untuk belajar mengenali pola data dan
mensimulasikan proses belajar adaptif biologis, walau dalam skala yang sangat
sederhana. Sekali jaringan syaraf tiruan telah dilatih terhadap data, akan dapat
masukan. Jaringan syaraf tiruan bukanlah duplikasi persis dari sistem biologis
otak manusia, tetapi jaringan saraf tiruan ini dapat melakukan kemampuan seperti
model dari sistem saraf biologis yang disederhanakan sebagai suatu alternatif
sistem komputer.
9
10
bagaimana suatu struktur jaringan syaraf tiruan dibuat dan dapat dipakai sebagai
suatu alat penghitung, berikut ini akan diulas sedikitistilah secara umum
digunakan.
Neuron adalah satuan unit pemroses terkecil pada otak, bentuk sederhana
sebuah neuron yang oleh para ahli dianggap sebagai satuan unit pemroses
Gambar II. 1 Struktur dasar jaringan syaraf tiruan dan struktur sederhana
sebuah neuron
Struktur pada gambar tersebut adalah bentuk standard dasar satuan unit
jaringan otak manusia yang telah disederhanakan. Bentuk standar ini mungkin
dikemudian hari akan berubah bila ada ilmuan yang dapat menciptakan bentuk
standar yang lebih baik atau pun memperbaiki bentuk standar yang digunakan saat
ini. Jaringan otak manusia tersusun tidak kurang dari 10 13 buah neuron yang
10
11
masing-masing terhubung oleh sekitar 1015 buah dendrite. Fungsi dendrite adalah
penerima sinyal disebut synapse. Penjelasan lebih rinci tentang hal ini dapat
Tiruan neuron dalam struktur jaringan saraf tiruan adalah sebagai elemen
pemroses seperti pada gambar berikut yang dapat berfungsi seperti halnya sebuah
F(a,w). Walaupun masih jauh dari sempurna, namun kinerja dari tujuan neuron ini
identik dengan kinerja dari sel biologi yang kita kenal saat ini.
g : Fungsi Aktivasi
11
12
Misalkan ada n buah sinyal maukan dan n buah penimbang, fungsi keluaran
Ini = ∑ jWji * aj
Kumpulan neuron ini dibuat menjadi sebuah jaringan yang akan berfungsi
sebagai alat komputasi. Jumlah neuron dan struktur jaringan untuk setiap
Jaringan syaraf tiruan dapat dipakai untuk mengenali pola ( misal huruf,
angka, suara atau tanda tangan) yang sudah sedikit berubah. Hal ini mirip
dengan otak manusia yang masih mampu menganali orang yang sudah
2. Signal Processing
Jaringan syaraf tiruan (model adaline) dapat dipakai untuk menekan noise
3. Peramalan
Jaringan syaraf tiruan juga dapat dipakai untuk meramalkan apa yang terjadi
dimasa yang akan datang berdasarkan pola kejadian yang ada dimasa yang
12
13
untuk mengingat dan membuat generalisasi dari apa yang sudah ada
sebelumnnya.
2.3 Backpropagation
yang sedang belajar. Jika lapisan sesudahnya bukan lapisan masukan, maka
tiruan yang berjenis multi-layer feed-forward, yang tersusun dari beberapa lapisan
jaringan, namun dengan satu lapisan tersembunyi saja jaringan sudah cukup
13
14
Vij merupakan bobot garis dari unit masukan Xi ke unit layer tersembunyi
Zj (Vj0 merupakan bobot garis yang menghubungkan bias diunit masukan keunit
layer tersembunyi Zi). Wkj merupakan bobot dari unit layer tersembunyi Zj ke unit
keluaran Yk (Wko merupakan bobot bias dilayer tersembunyi keunit keluaran Zk).
beberapa syarat yaitu kontinu, terdiferensial dengan mudah dan merupakan fungsi
yang tidak turun. Salah satu fungsi yang memenuhi ketiga syarat tersebut
sehingga sering dipakai. Berikut adalah fungsi aktivasi yang sering digunakan
yaitu:
14
15
Fungsi ini digunakan untuk jaringan syaraf tiruan yang dilatih dengan
range 0 sampai 1. fungsi ini sering digunakan untuk jaringan syaraf tiruan
1
f1(x) = …………………………………. (2.1)
1+ e−x
Dengan turunan
Fungsi sigmoid bipolar hampir sama dengan fungsi sigmoid biner, hanya
saja output dari fungsi ini memiliki rang antara 1 sampai -1. Definisi sigmoid
Dengan turunan
1
f '2(x)= ¿f2(x))(1-f2(x))………………. (2.4)
2
1. Inisialisasi bobot (ambil bobot awal dengan nilai random yang cukup kecil).
3. Inisialisai Epoch = 0.
15
16
tahapan berikut:
zj= f (Z_inj……………………………………(2.6)
(unit-unit outputnya)
input terbobot.
p
y_ink = w0k + ∑ zivjk……………………….. (2.7)
j=1
yk= f (y_ink……………………………………….(2.8)
(unit-unit output).
16
17
informasi errornya.
memperbaiki wjk).
ðj = ð_injƒ’(z_inj)………………………….(2.13)
Δvjk = α ðj…………………………………(2.15)
17
18
(j=0,1,2,3,….,p)
bobotnya (i=0,1,2,3,…….,n)
Prediksi dalam metode ilmiah atau proses ilmiah merupakan proses keilmuan
hipotesis lolos uji berkali-kali, hipotesis tersebut dapat menjadi suatu teori ilmiah.
adalah suatu proses memperkirakan secara sistematis tentang suatu yang mungkin
terjadi dimasa depan dengan berdasarkan informasi pada masa lalu dan sekarang,
perkiraan) dapat diperkecil. Prediksi tidak haus memberikan jawaban secara pasti
kejadian yang akan terjadi melainkan hanya untuk meramalkan kejadian yang
18
19
menggunakan data kecelakaan lalu lintas yang disebabkan oleh faktor kecelakaan
diwilayah kabupaten langkat pada satu pola pelatihan seperti dibawah ini.
lapisan tersembunyi ( V11,V1-n,V21,V2-n) dan bobot bias V01 dan V0n dipilih secra
acak. Demikian pula bobot awal yang mengubungkan neuron-neuron pada lapisan
Pada inisialisasiditetapkan :
19
20
W01=-0.2
20
21
1 1
Z1 = −z 1 = = 0.0001
1+ e ¿
1+ e 9.5
1 1
Z2 = −z 2 = =1
1+ e ¿
1+ e−22.7
1 1
Z3 = −z 3 = = 0.9837
1+ e ¿
1+ e−4.1
1 1
Z4 = −z 4 = =1
1+ e ¿
1+ e−11.9
1 1
Z5 = −z 5 = =1
1+ e ¿
1+ e−18.1
1 1
Z6 = −z 6 = =1
1+ e ¿
1+ e−18.9
Y_in1 = -0.2 + 0.0001 (-0.2) + 1 (0.1) + 0.9837 (-0.1) +1 (0.3) + 1 (-0.2) + 1(0.4) =
0.3016
21
22
1 1
Y1 = −y 6 = = 0.5748
1+ e ¿
1+ e−3016
1
ð1 = (T1 – y) * ¿ )*[1-( )]
1+ e− y 1
¿
1
ð1 = (32 – 0.5748) * ¿ )*[1-( −0.73553 )] = 7.6805
1+ e
m
ð_in2= ∑ ❑ ð w2k) = 7.6805*0.1= 0.7680
k =1
m
ð_in3= ∑ ❑ ð w3k) = 7.6805*(-0.1) = 0.7680
k =1
22
23
m
ð_in4= ∑ ❑ ð w4k) = 7.6805*0.3 = 2.3041
k =1
m
ð_in5= ∑ ❑ ð w5k) = 7.6805*(-0.2) = 1.5361
k =1
m
ð_in6= ∑ ❑ ð w6k) = 7.6805*0.4= 3.0722
k =1
1
ð1 = ð_in1 *¿ )*[1-( )]
1+ e− y 1
¿
1
ð1 = (0.0232)*¿ )*[1-( )] = 0.0001
1+ e 9.5
1 1
ð2 = ð_in2¿( −y 1
)∗[1−( )]
1+e ¿
1+ e− y 1 ¿
1
ð2 = (-0.0116)*¿ )*[1-( )] = 0
1+ e−22.7
1 1
ð3 = ð_in3¿( −y 1
)∗[1−( )]
1+e ¿
1+ e− y 1 ¿
1
ð3 = (0.0116)*¿ )*[1-( )] = -0.0123
1+ e−4.1
1 1
ð4 = ð_in4¿( −y 1
)∗[1−( )]
1+e ¿
1+ e− y 1 ¿
1
ð4 = (-0.0348)*¿ )*[1-( )] = 0
1+ e−11.9
1 1
ð5 = ð_in5¿( −y 1
)∗[1−( )]
1+e ¿
1+ e− y 1 ¿
1
ð5 = (0.0232)*¿ )*[1-( )] = 0
1+ e−18.1
1 1
ð6 = ð_in6¿( −y 1
)∗[1−( )]
1+e ¿
1+ e− y 1 ¿
23
24
1
ð6 = (-0.0464)*¿ )*[1-( )] = 0
1+ e−18.9
24
25
25
26
Ulangi iterasi hingga maksimal epoch atau error <error target tercapai.
Menurut Ansel (2012, h.14) Obat adalah zat yang digunakan untuk
diagnosis, mengurangi rasa sakit, serta mengobati atau mencegah penyakit pada
manusia atau hewan. Obat dalam arti luas ialah setiap zat kimia yang dapat
mempengaruhi proses hidup, maka farmakologi merupakan ilmu yang sangat luas
cakupannya.
kontrasepsi.
26
27
1) Perencanaan
seleksi obat dalam menentukan jumlah dan jenis obat dalam memenuhi kebutuhan
sediaan farmasi di puskesmas dengan pemilihan yang tepat agar tercapainya tepat
2) Permintaan
3) Penerimaan
(Permenkes, 2014). Pada kegiatan penerimaan obat harus menjamin jumlah, mutu,
waktu penyerahan, spesifikasi, kesesuaian jenis dan harga yang tertera pada
pesanan.
27
28
4) Penyimpanan
kerusakan fisik maupun kimia, agar aman dan mutunya terjamin. Penyimpanan
obat harus mempertimbangkan berbagai hal yaitu bentuk dan jenis sediaan, mudah
meliputi:
(storage space)
perspektif pengguna sistem. Use Case diagram terdiri atas diagram untuk use case
dan actor. Actor mempresentasikan orang yang akan mengoperasikan atau orang
28
29
29
30
dan hubungan antar proses beserta intruksinya. Gambaran ini dinyatakan dengan
30
31
31
32
dalam mengakses software matriks yang telah dikembangkan oleh LINPACK dan
matriks. Tidak hanya itu, MATLAB juga mampu melakukan komputasi simbolik
sinyal, aljabar linier dan kalkulasi matematis lainnya. Matlab juga berisi toolbox
32
33
33
34
BAB III
ANALISIS DAN PERANCANGAN SISTEM
kemauan kemampuan hidup sehat setiap orang agar terwujud derajat kesehatan
manusia yang produktif secara sosial dan ekonomis (undang – undang kesehatan
terpadu dari pembangunan nasional yang antara lain untuk mencapai dan
mewujudkan bangsa yang maju, mandiri, sejah teralahir dan batin melalui strategi
Puskesmas adalah salah satu sarana pemerintah yang paling dekat dengan
a. Tugas Kelompok
dipimpin oleh Kepala Puskesmas yang berada dan bertanggung jawab kepada
b. Fungsi
yang sehat.
35
36
berjalan dengan baik, sehingga tujuan dapat dicapai dengan efesien. Untuk lebih
jelasnya dapat dilihat pada gambar struktur organisasi UPT Puskesmas Bahorok.
Kepala Puskesmas
Tim Mutu
Kasubag Tata Usaha
Urusan Kesehatan
Urusan Pelayanan Urusan Pencegahan
Keluarga dan
Kesehatan Pemberantasan penyakit
Masyarakat
danPenyehatan
Lingkungan
36
37
ingin mencari sesuatu secara sistematis dengan menggunakan metode ilmiah serta
nara sumber yang berlaku. Dalam proses penelitian ini ditujukan untuk
lebih berarti, baik dari segi pelayanan maupun kualitas yang diharapkan terus
bertahan dengan baik. Hasil dari konseptualisasi akan dituangkan menjadi suatu
metode penelitian yang lengkap dengan pola studi literature, pengumpulan data
yang diperlukan untuk menganalisis sistem prediksi yang akan dibuat yaitu untuk
backpropagation.
dapat dibuat suatu alur kegiatan metode kerja penelitian seperti gambar III.2
Sebagai berikut:
37
38
Persiapan
Kajian Teori
Pengumpulan Data-Data
Tahap Akhir
a) Persiapan
Tahapan ini merupakan awal, yaitu dengan penentu latar belakang masalah
skripsi.
38
39
b) Kajian Teori
Pada tahap ini akan dilakukan kajian teori terhadap masalah yang ada. Kajian
c) Pengumpulan Data
d) Analisa Data
Pada tahap ini akan dilakukan analisa data-data pendukung yang telah
Pada tahap ini akan dilakukan pengujian level variabel data dan implementasi
data serta penyusunan program sistem. Tahap ini didasarkan pada hasil
f) Tahap Akhir
Pada tahap akhir perancangan Jaringan Syaraf Tiruan ini akan dibahas
program selanjutnya.
39
40
suatu analisis sistem yang menjadi kerangka pemikiran penulis skripsi sebagai
berikut:
c) Data kebutuhan obat merupakan data masukan, yang kemudian akan diproses
pengujian terhadap data yang telah dilatih sebelumnya, setelah itu didapat
kebutuhan obat. Adapun rancangan proses pelatihan dan pengujian pada jaringan
syaraf tiruan dapat dilihat pada Gambar III.3 Flowchart proses pelatihan data dan
40
41
Mulai
Tidak
Target Error Tercapai?
(Konvergen)
Ya
Hasil Prediksi JST
(Target Diketahui)
Selesai
Keterangan:
41
42
6. Hasil target jika belum tercapai maka akan kembali memasukkan nilai
data target latih, jika target sudah capai maka akan keluar hasil prediksi
7. Selesai.
Use case diagram adalah suatu representasi atau model yang digunakan
pada rekayasa perangka lunak yang menunjukkan sekumpulan use case dan aktor
serta hubungan diantara keduanya. Berikut gambar III.4 Rancangan use case
Input data
Obat Kepala
Puskesmas
Admin
Proses pelatihan
dan pengujian
Hasil
Prediksi
42
43
b) Admin dapat membuat data latih dn data uji pada aplikasi jaringan tiruan
f) Admin dan kepala puskesmas dapat melihat hasil prediksi yang sudah
43
44
User Aplikasi
Pilih Menu
Memilih untuk
menampilkan tabel dan Menampilkan tabel
ya
grafik hasil prediksi hasil bacpropagation
Tidak
44
45
Untuk mengetahui alur sistem dari proses informasi data kebutuhan obat
yang nantinya akan di bangun dapat dilihat diagram activity informasi data
User
Aplikasi
Pilih Menu
Memilih kategori
Menampilkan
untuk informasi data Ya
informasi data
kebutuhan obat
Tidak
kebutuhan obat selama 12 bulan dari bulan januari sampai desember 2018 sebagai
45
46
input dan total hasilnya adalah output. Data tersebut diambil secara acak dari data
kebutuhan obat dengan menggunakan data selama 1 bulan dari bulan januari
sampai desember 2018, data kebutuhan obat akan dibagi menjadi dua, data yang
pertama digunakan untuk melatih agar mencapai data yang konvergen. Data yang
kedua akan digunakan sebagai data uji, yaitu data yang belum pernah pelatihan
ditahun yang akan datang. Setiap data pelatihan menggunakan 12 pola dan
memiliki target data latih. Sedangkan data pengujian menggunakan 12 pola dan
Tabel dibawah ini merupakan nilai data latih, berupa jumlah tingkat
Tabel dibawah ini merupakan nilai data latih, berupa jumlah kebutuhan obat:
46
47
Tabel III. 2 Nilai Masukkan Data Latih dan Target Latih Data Kebutuhan
Obat
Tabel dibawah ini merupakan nilai masukkan data latih dan target latih yang
sudah ditransformasikan.
47
48
Tabel III. 4Transformasi Nilai Masukkan Data Latih dan Target Latih Data
Kebutuhan obat
yaitu masukkan dan keluaran. Data masukan berfungsi sebagai proses pelatihan
dan pengujian. Sedangkan data keluaran sebagai target pencapaian proses. Yang
48
49
selama 1 tahun pada tahun 2010-2018 dan yang telah dibagi 1.000.000 dengan
terdiri dari:
f) KonstantaBias
49
50
Z1
X1
Z2
X2
Z3
X3
Z4
X4
Y1
Z5
X5
I
Z6
X6 Bias
Z7 Y2
X7
Z8
X8
Z9
X9
Z10
X10
Z11
X11
Z12
X12
Bias
Keterangan :
dan seterusnya)
i,j,k : 1,2,3,….,n
I : Konstanta bias = V01 = 0.3, V02 = 0.1, V03 = 0.4, V04 = 0.2
output lapisan tersembunyi ( V11, V1-N, V21, V2-N) dan bobot bias V01 dan V0n
dipilih secara acak. Demikian pula bobot awal yang menghubungkan neuron-
neuron pada lapisan tersembunyi dan lapisan output (W11, W12, W13,….,Wn-31) dan
metode Backpropagaion:
c) MaksimuEpoch = 10000
51
52
W11 = -0.1
W21 = 0.3
W31 = -0.4
W41 = 0.2
W01 = 0.3
52
53
5
Z_in1 = V03 + ∑ Xi Vi1)
i=1
1 1
Z1 = −z 1 = = 1.6663
1+ e ¿
1+ e−0.4060
1 1
Z2 = −z 2 = = 1.7513
1+ e ¿
1+ e−0.2860
1 1
Z3 = −z 3 = = 1.5117
1+ e ¿
1+ e−0.6700
1 1
Z4 = −z 3 = = 1.6479
1+ e ¿
1+ e−0.4340
Y_ in1 = 0.3 + 1.6663 (0.1) + 1.7513 (0.3) + 1,5117 (-0.4) + 1.6479 (0.2) = 1,9263
1 1
Y1 = −y 6 = = 1,1457
1+ e ¿
1+ e−1,9263
53
54
1
ð1 = (T1 – y) * ¿ )*[1-( )]
1+ e− y 1
¿
1
ð1 = (0.25 – 1,1457 * ¿ )*[1-( )] = -2,2083
1+ 1,9263
m
ð_in2= ∑ ð w2k) = (-2,2083) * (0.3) = -0,6625
k =1
m
ð_in3= ∑ ð w3k) = (-2,2083) * (0,4) = -0,8833
k =1
m
ð_in4= ∑ ð w3k) = (-2,2083) * (0.2) = -0,4417
k =1
54
55
1
ð1 = ð_in1 *¿ )*[1-( )]
1+ e− y 1
¿
1 1
ð1 = (-0,2208)* ( −0,4060 ) *[1-( )] = 0,2452
1+ e 1+ e−0,4060
1 1
ð2 = ð_in2¿( −y 1
)∗[1−( )]
1+e ¿
1+ e− y 1 ¿
1
ð2 = (-0,6625)*¿) * [1-( )] = 0,8716
1+ e−0,2860
1 1
ð3 = ð_in3¿( −y 1
)∗[1−( )]
1+e ¿
1+ e− y 1 ¿
1 1
ð4 = ð_in4¿( −y 1
)∗[1−( )]
1+e ¿
1+ e− y 1 ¿
55
56
56
57
Ulangi iterasi hingga maksimal epoch atau error < error target tercapai.
57
58
Pada data kedua, juga akan dilakukan operasi-operasi yang sama dengan
awalnya. Proses ini dilakukan secara berulang sampai pada maksimum epoch atau
dalam memprediksi kebutuhan obat, maka dibuat suatu aplikasi GUI dari software
58
59
59
60
3
4 xxx xxx xxx xxx
5
6
60
61
61
62
DAFTAR PUSTAKA
62