Perbandingan Akurasi antara Jaringan Saraf Tiruan Backpropagation dan Case-Based Reasoning dalam Diagnosis Penyakit Mata



Ubaidillah Husni Mubarok(1*), Suprapto Suprapto(2)

(1) 
(2) Departemen Ilmu Komputer dan Elektronika, FMIPA UGM, Yogyakarta
(*) Corresponding Author

Abstract


Abstrak

Klasifikasi merupakan salah satu proses pengelompokkan yang sistemastis dari sejumlah objek ke dalam kelas atau golongan berdasarkan ciri-cirinya. Diagnosis penyakit mata merupakan salah satu contoh klasifikasi, yaitu pengelompokkan kasus penyakit mata ke dalam kelas penyakit mata berdasarkan gejala-gejala nya. Beberapa metode klasifikasi yang sudah terkenal di antaranya adalah jaringan saraf tiruan backpropagation (JST-BP) dan case based reasoning (CBR), yang mana kedua metode tersebut masing-masing mempunyai kelebihan dan kekurangan.

Penelitian ini melakukan perbandingan tingkat akurasi antara JST-BP dan CBR dalam diagnosis penyakit mata. Tingkat akurasi paling tinggi dari beberapa arsitektur JST-BP yang dibandingkan dengan tingkat akurasi paling tinggi dari beberapa fungsi similaritas CBR. Data penelitian berjumlah 120 kasus penyakit mata yang dibentuk dalam 3-fold, 4-fold dan 5-fold. Pengujian dalam penelitian ini dilakukan dengan beberapa skenario kemudian diambil nilai rata-rata keseluruhan untuk dibandingkan antar kedua metode.

Hasil penelitian menunjukkan perbandingan rata-rata tingkat akurasi JST-BP 95.07% dan CBR 94.70%. Hasil tingkat akurasi dipengaruhi oleh bentuk arsitektur jaringan pada JST-BP dan juga fungsi similaritas pada CBR, selain itu juga dipengaruhi oleh nilai k pada k-fold.

Kata kunci— Klasifikasi, JST-BP, CBR, Akurasi.


Full Text:

PDF


References

Pal, S.K., dan Shiu, S.C.K., 2004, Fondation of Soft Case-Based Reasoning, John Willey and Sons, Inc., New Jersey.

Silva, Vasconcelos, Barros dan Franca, 2015, Case-based Reasoning Combined with Neural networks for Credit Risk Analysis, IJCNN (International Joint Conference Neural Networks), vol. 10, no. 1, p. 1-8.

Syiam, M. M., 1994, A neural network expert system for diagnosing eye diseases, Proceedings of the Tenth Conference on Artificial Intelligence for Applications, vol. 10, no. 9, p. 491-492.

L. G. Kabari dan E. O. Nwachukwu, 2013, “Neural networks and Decision Trees For Eye Diseases Diagnosis,” IISTE (International Institute for Science, Technology and Education, Vol. 4, no. 7, p. 8-20.

Borkhade dan Raut, 2015, Application of Neural network for Diagnosing Eye Disease, IJECSCSE (International Journal of Electronics, Communication and Soft Comuting Science and Enggineering), vol. 2, no. 2, p. 174-176.

Adawiyah R., 2017, Case Based Reasoning Untuk Diagnosis Penyakit Demam Berdarah, INTENSIF (Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informatika), vol. 1, no. 1, p. 63-73.

Labellapansa, A., Efendi, A., Yulianti, A., & Evizal, A. K., 2016, Lambda value analysis on Weighted Minkowski distance model in CBR of Schizophrenia type diagnosis, 2016 4th International Conference on Information and Communication Technology, ICoICT, vol. 1, no. 4, p. 1–4.

Yufika S. B., 2017, Case-Based Reasoning untuk Mendiagnosa Penyakit Cardiovascular dengan Metode Weighted Minkowski, Tesis, Program Pascasarjana Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta.

Wahyudi E. dan Hartati, S., 2017, Case-Based Reasoning untuk Diagnosis Penyakit Jantung, IJCCS (Indonesian J. Comput. Cybern. Syst.), vol. 11, no. 1, p. 1.

Edi Faizal, 2012, Case-Based Reasoning Penyakit Mata, FAHMA-Jurnal Teknologi dan Ilmu Komputer., vol. 10, no. 2, p. 1-12.



Article Metrics

Abstract views : 1332 | views : 4959

Refbacks

  • There are currently no refbacks.


Bookmark and Share


ISSN 0215-9309 (Print)

Jumlah kunjungan : Web Analytics View my Stat.