Anda di halaman 1dari 25

HETEROASSOCIATIVE

MEMORY
Analisis Metode
Heteroassociative Memory Untuk
Mendiagnosa Penyakit Maag

Penyakit maag atau juga yang biasa dikenal

nama gastritis merupakan suatu keadaan


kesehatan dimana terjadi pembengkakan,
peradangan atau iritasi pada lapisan lambung
Berdasarkan uraian diatas, penulis ingin mencoba
memberikan solusi kepada pihak kesehatan dan
masyarakat agar dapat lebih mengetahui gejalagejala penyakit maag dengan membangun model
jaringan syaraf tiruan untuk mendiagnosa penyakit
maag sistem pakar untuk mengatasi masalah
tersebut dengan judul Analisis Metode
HeteroAssocative Memory Untuk Mendiagnosa
Gejala Penyakit Maag

Rumusan Masalah

Apakah metode Heteroassociative Memory

dapat diterapkan dalam mendiagnosa


gejala penyakit maag?
Bagaimana membuat model jaringan syaraf
tiruan untuk mendiagnosa gejala penyakit
maag?

Tujuan

Menganalisis metode Heteroassociative

Memory dalam mendiagnosa gejala


penyakit maag.
Merancang dan menerapkan metode

Heteroassociative Memory ke dalam sistem


untuk mendiagnosa gejala penyakit maag

Dasar teori
Jaringan Saraf Tiruan

Jaringan saraf tiruan (JST) atau disebut juga

dengan neural network (NN)), adalah


jaringan dari sekelompok unit pemroses
kecil yang dimodelkan berdasarkan
jaringan saraf manusia
Dengan algoritma jaringan syaraf tiruan,
dapat digunakan untuk menyelesaikan
persoalan-persoalan yang sering kita
jumpai dalam kehidupan. Jaringan syaraf
tiruan adalah suatu sistem pengolahan
informasi yang cara kerjanya menirukan
cara kerja jaringan syaraf manusia

Gambar 2.1 Jaringan Saraf Tiruan

Gambar 2.2 Fungsi Aktivasi Undak Biner


(hard limit)

Gambar 2.3 Fungsi Akativasi


Under Biner

Gambar 2.4 Fungsi Linear


(identitas)

Metode Heteroassociative Memory

Menurut Diyah Puspitaningrum ( 2006 )

Heteroassociative memory jaringan saraf


tiruan yang didesain dengan
menghubungkan pasangan pola input
dengan pola output, dimana pola input dan
pola outputnya tidak sama (vektor output
vektor input).

Tabel 3.2 Gejala Penyakit

Tabel 4.3 Pencegahan Penyakit

Tabel 3.4 Pengobatan Penyakit

Jenis Penyakit

Pengujian data dari contoh diatas


adalah
Inisialisasi bobot awal dan bobot akhir.

Rumus: Wij (baru) = Wij (lama) + xi *

tj
2.
Penetapan input.
Berdasarkan contoh dari tabel, input
dari kelainan Gastritis Eksogenus adalah
sebagai berikut:

X1 = 0
X2 = 0

Menghitung nilai Y-inj.


Rumus : Y-inj = xi * Wij (akhir)
a. Untuk data 1:
Y-inj =xi * Wij (akhir)
= X1*W12+ X2*W22+ X3*W32+X4*W42+ X5*W52+ X6*W62+X7*W72 +

X8*W82 + X9*W92 +X10*W102 + X11*W112 + X12*W122+ X13*W132 +


X14*W142 +X15*W152 + X16*W162 + X17*W172+ X18*W182 +
X19*W12+ X20*W22+X21*W32+ X22*W42+ X23*W52+X24*W62+
X25*W72 + X8*W82 +X26*W92 + X127*W102 + X128*W112+ X29*W122
+ X30*W132 +X31*W142 + X32*W152 + X33*W162+ X34*W172 +
X35*W182+ X36*W182+ X37*W182

=0*0+ 0*1+ 0*0+ 0.25*0 +0*0+0*0 +0*0 +0*0 +0*0 +0*0+0*0 +0*0
+0*0 +1*0 +1*0 +0*0+0*0 +0.5*00*0+ 0*1+ 0*0+ 0.25*0 +0*0 +0*0
+0*0 +0*0 +0*0 +0*0 +0*0 +0*0 +0*0 +1*0 +1*0 +0*0 +0*0+0.5*0

= 0 = 0

Y-inj

= xi * Wij (akhir)
X1*W12+ X2*W22+ X3*W32+X4*W42+ X5*W52+ X6*W62+X7*W72 + X8*W82 + X9*W92 +X10*W102 +
X11*W112 + X12*W122+ X13*W132 + X14*W142 +X15*W152 + X16*W162 + X17*W172+ X18*W182
+X19*W12+ X20*W22+X21*W32+ X22*W42+ X23*W52+X24*W62+ X25*W72 + X8*W82 +X26*W92 +
X127*W102 +X128*W112+ X29*W122 + X30*W132 +X31*W142 + X32*W152 + X33*W162+ X34*W172 +
X35*W182+X36*W182+ X37*W182

=0*1+0*1+0*0+0,25*0+0*0+0*0+0*1+0*0+0*0+0*0+0*0+0*0+0*0+1*0+1*0+0*0+0*0+0,5*0
0*1+0*1+0*0+0,25*0+0*0+0*0 +0*1+0*0+0*0+0*0+0*0+0*0+ 0*0+1*0+1*0+0*0+0*0+0,5*0

= 0

c. Untuk data 3:
Y-inj =xi * Wij (akhir)
= X1*W12+ X2*W22+ X3*W32+X4*W42+ X5*W52+ X6*W62+X7*W72 + X8*W82 + X9*W92 +X10*W102 +
X11*W112 + X12*W122+ X13*W132 + X14*W142 +X15*W152 + X16*W162 + X17*W172+ X18*W182 +
X19*W12+ X20*W22+X21*W32+ X22*W42+ X23*W52+X24*W62+ X25*W72 + X8*W82 +X26*W92 +
X127*W102 + X128*W112+ X29*W122 + X30*W132 + X31*W142 + X32*W152 + X33*W162+ X34*W172
+ X35*W182+X36*W182+ X37*W182

=0*0+0*0+0*1+0,25*1+0*1+0*1+0*0+0*1+0*1+0*1+0*1+0*1+0*1+1*1+1*1+0*1+0*1+0,5*10*0+0*0+
0*1+0,25*1+0*1+0*1+0*0+0*1+0*1+0*1+0*1+0*1+0*1+1*1+1*1+0*1+0*1+0,5*1

= 2,75 = 1
=

Y-inj = xi * Wij (akhir)


= X1*W12+ X2*W22+ X3*W32+X4*W42+ X5*W52+

X6*W62+X7*W72 + X8*W82 + X9*W92 +X10*W102 +


X11*W112 + X12*W122+ X13*W132 + X14*W142 +X15*W152
+ X16*W162 + X17*W172+ X18*W182 + X19*W12+
X20*W22+X21*W32+ X22*W42+ X23*W52+X24*W62+
X25*W72 + X8*W82 +X26*W92 + X127*W102 + X128*W112+
X29*W122 + X30*W132 +X31*W142 + X32*W152 +
X33*W162+ X34*W172 + X35*W182+X36*W182+ X37*W182
=0*0+0*1+0*1+0,25*1+0*1+0*1+0*0+0*1+0*1+0*1+0*1+0*
1+0*1+1*1+1*1+0*1+0*1+0,5*1
0*0+0*1+0*1+0,25*1+0*1+0*1+0*0+0*1+0*1+0*1+0*1+0*1
+0*1+1*1+1*1+0*1+0*1+0,5*1

= 1,75 = 1

Saran Dan Kesimpulan


Makalah ini mempresentasikan penerapan metode

Heteroassociative Memory dalam melakukan diagnosa


penyakit maag. Data yang digunakan dalam penelitian ini
adalah gejala penyakit. Dari analisa yang diperoleh dapat
disimpulkan bahwa dengan menggunakan metode
heteroassociative memory terdapat beberapa model yang
bisa digunakan untuk mendiagnosa gejala penyakit maag.
Dalam melakukan perhitungan dengan menggunakan
metode heteroassociative memory untuk nilai asumsi
diambil dari rate 0<=x<=1 dengan kriteria tersendiri Hasil
yang diperoleh berupa model angka biner 1111 untuk
Dyspepsia, 0011 untuk Gastritis Eksogenus, 0100 untuk
Gasntritis Endogenus, 1101 untuk Gastritis Supervisialis,
1110 untuk Gastritis Antropikan dan 0001 untuk Gastritis
Hypertropikan.