Penggunaan Artificial Neural Network untuk mendeteksi kelainan mata miopi pada manusia dengan metode Backpropagation

Effendi, Azhar (2013) Penggunaan Artificial Neural Network untuk mendeteksi kelainan mata miopi pada manusia dengan metode Backpropagation. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.

[img]
Preview
Text (Fulltext)
09610069.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (3MB) | Preview

Abstract

INDONESIA:

Artificial neural network merupakan jaringan yang saling berhubungan antar node-node atau simpul-simpulnya dimana tiap-tiap hubungan tersebut mempunyai bobot koneksi yang dilatih untuk mencapai respon yang diinginkan. Masing-masing bobot koneksi dipropagasikan ke seluruh simpul atau node. Dengan pelatihan terhadap data berdasarkan bobot-bobot koneksi tersebut diharapkan memperoleh output yang diinginkan. Proses kerja dari artificial neural network adalah untuk menggambarkan dan mengelompokkan bentuk yang berbeda dari beberapa populasi yang telah diketahui, sehingga populasi tersebut terpisah dengan baik serta dapat menentukan fungsi pembeda antar kelompok dan mengklasifikasikan objek baru ke dalam kelas atau kelompok. Sedangkan kelebihan dari artificial neural network adalah bahwa fungsi yang digunakan non linier, mempunyai ketelitian yang tinggi serta tidak mempunyai model, sehingga dengan metode artificial neural network ini tidak diperlukan lagi asumsi dari data multivariat yang berdistribusi normal.

Tujuan dalam penelitian ini adalah mendapatkan pencarian bobot pada artificial neural network dalam mendeteksi kelainan mata miopi pada manusia dengan menggunakan metode backpropagation dan mengetahui keakuratan artificial neural network dalam mengelompokkan kelainan mata miopi pada manusia dengan menggunakan metode backpropagation. Hasil analisis data menggunakan artificial neural network dengan metode backpropagation memberikan hasil yang maksimal. Hasil yang maksimal ini diperoleh tanpa harus melalui terlebih dahulu uji asumsi pada data. Dari hasil pengelompokan yang maksimal ini dapat diketahui bahwa arsitektur yang menghasilkan pengelompokan terbaik dari data kelainan mata miopi Optik Ijen Kota Malang Tahun 2009–2010 adalah arsitektur yang terdiri dari 2 unit input, 20 hidden node pada 1 hidden layer, dan 3 unit output. Dimana arsitektur tersebut menghasilkan kemampuan dalam mengelompokkan data adalah sebesar 100% dengan tingkat kesalahan sebesar 0% yang mana nilai mean square error tersebut menunjukkan bahwa tidak terdapat objek data yang salah dikelompokkan ke dalam kelompok lain.

ENGLISH:

Artificial neural network is network that interact each other between the nodes that every relation have weight of connection that trained to reach the desired response. Every weight connection to be propagated to the all nodes. With training to data which based of the connection weight are expected for getting desired output. The process work from artificial neural network is for describing and grouping the difference forms of several known population, so that the population is able to separate well and determine distinguishing between group and classify new object into group and class. as for the superiority of artificial neural network is using nonlinier function, hight accuracy and nonparametrics. So that approaching doesn’t need assumption by multivariate data that distributed normally.

The purpose of this research is to get mathematical model artificial neural network in detecting disparity of miopi eye at human being with backpropagation method and to know accuracy artificial neural network in detecting disparity of miopi eye at human being with backpropagation method. The result of data analysis using artificial neural network with backpropagation method gives maximum results. Maximum results are obtained without testing prior assumptions on the data. Based on the result of the grouped of this maximum is able to be known that the architecture that produces the best grouped of data disparity of miopi eye Optic Ijen Kota Malang the years of 2009–2010 is the architecture that consists of two unit input, twenty hidden node of one hidden layer, and three unit output. This architecture resulted capability for grouping data in the amount of 100% with mistake level equal to 0% which the mean square error indicates that there is no wrong data was grouped into other group.

Item Type: Thesis (Undergraduate)
Supervisor: Harini, Sri and Abdussakir, Abdussakir
Keywords: Artificial Neural Network, Backpropagation, Hidden Node, Hidden Layer, Data Kelainan Mata Miopi, Mean Square Error. Artificial Neural Network, Backpropagation, Hidden Node, Hidden Layer, Data Disparity of Miopi Eye, Mean Square Error.
Subjects: 01 MATHEMATICAL SCIENCES > 0101 Pure Mathematics > 010199 Pure Mathematics not elsewhere classified
01 MATHEMATICAL SCIENCES > 0102 Applied Mathematics > 010202 Biological Mathematics
01 MATHEMATICAL SCIENCES > 0102 Applied Mathematics > 010206 Operations Research
01 MATHEMATICAL SCIENCES > 0102 Applied Mathematics > 010299 Applied Mathematics not elsewhere classified
01 MATHEMATICAL SCIENCES > 0199 Other Mathematical Sciences > 019999 Mathematical Sciences not elsewhere classified
Departement: Fakultas Sains dan Teknologi > Jurusan Matematika
Depositing User: Ahmad Zaini
Date Deposited: 12 Jun 2017 04:29
Last Modified: 12 Jun 2017 04:29
URI: http://etheses.uin-malang.ac.id/id/eprint/7091

Actions (login required)

View Item View Item