Prediksi Penyakit Diabetes Melitus Menggunakan Jaringan Syaraf Tiruan dengan Metode Backpropagation
DOI:
https://doi.org/10.55903/jitu.v2i1.163Keywords:
Diabetes Mellitus, Backpropagation, RapidMiner, Jaringan Syaraf TiruanAbstract
Diabetes melitus merupakan suatu kelompok penyakit metabolik dengan karakteristik hiperglikemia yang terjadi karena kelainan sekresi insulin, kerja insulin atau kedua-duanya. Dari banyaknya jumlah penduduk yang terkena penyakit diabetes yang semakin tahun makin meningkat. Permasalahan yang saat ini terjadi adalah belum adanya tingkat akurasi prediksi penyakit diabetes dalam penerapkan algoritma naural network dengan metode backpropagation. Maka dari itu, penelitian ini memberikan solusi dengan menerapkan algoritma Backpropagtion di RapidMiner untuk memprediksi penyakit diabetes. Metodologi penelitian yang digunakan adalah alur proses dari mulai pengumpulan data, pengolahan awal data, model atau metode yang diusulkan atau dikembangkan, eksperimen dan pengujian model atau metode dan yang terakhir evaluasi dan validasi hasil. Tujuan Penelitian ini adalah untuk memprediksi penyakit diabetes menggunakan dataset yang digunakan dari kagel . Dalam penelitian ini kebutuhan hardware terdiri dari Laptop ACER ASPIRE 4739 dengan spesifikasi Processor Intel CORE I3 M380 2,53 GHz, HDD 500 GB, dan RAM 4 GB dan Software yang diperlukan adalah Sistem Operasi Windows 7 Ultimate 64-Bit, RapidMiner beserta Dataset yang akan di uji coba. Model yang dihasilkan diuji untuk mendapatkan nilai accuracy, precision, recall dan AUC dari setiap algoritma. Hasil yang diharapkan dari pengujian model Diabetes Melitus dengan menggunakan neural network dengan berbasis Backpropagation dapat memberikan pemecahan untuk permasalahan Diabetes Melitus lebih akurat.
References
Abdurrahman , G. (2022). Klasifikasi Penyakit Diabetes Melitus Menggunakan Adaboost . Jurnal Sistem dan Teknologi Informasi, 59-66.
Alhidayati, & Rasyid, Z., Syukaisih, Gloria, C. V., & Lestari, T. (2021). Pengabdian Masyarakat Melalui Penyuluhan Kesehatandan Senam Diabetes Melitus Pada Komunitas DMDi RS. Prof.Dr. Tabrani Kota Pekanbaru. Jurnal Aplikasi Riset Kepada Masyarakat, 142-148.
Anggraini, A., & Herlina, N. (2022). Hubungan Antara Pola Makan Dengan Kadar Gula Darah pada Penderita Diabetes Melitus Tipe 2 : Literature Review. Borneo Student Research, 2579-2591.
Ardiani, H. E., Permatasari,nn T. A., & Sugiatmi. (2021). Obesitas, Pola Diet, dan Aktifitas Fisik dalam Penanganan Diabetes Melitus. Muhammadiyah Journal Of Nutrition and Food Science, 1-12.
Astuti & Setiawan (2020). Analisis Citra Penyakit Diabetic Retinopathy Berdasarkan Algoritme Jaringan Syaraf Tiruan . ISSN Media Elektronik: 2580-0760 Vol. 4 No. 2 (2020) Hal. 201 - 20
Aulia , Abdurrahman & Putrada. (2019). Pendeteksian Kadar Glukosa dalam Darah pada Gejala Diabetes Tipe 1 menggunakan Algoritma K-Nearest Neighbor dengan Metode Nafas. SMARTICS Journal, Vol.5 No. 1 2019. P14-21 ISSN online: 2476-9754, ISSN print: 2623-0429 DOI : https://doi.org/10.21067/smartics.v5i1.3287.
Bakti &Ivandar. (2019). Model Prediksi Penyakit Diabetes Menggunakan Bayesian Classification Dan Information Gain Untuk Seleksi Fitur Dan Adaptiveboosting Untuk Pembobotan Data. ISSN: 1907-7912 EISSN: 2622-8092.
Falah, M., & Rini, D. P., & Pahendra, I. (2021). Kombinasi Algoritma Backpropagation Neural Network dengan . Jurnal Media Informatika BudiDarma, 90-98.
K, C. M., Haryatmi, E., Fajriatifah, R. Y., & Puspita, Y. H. (2022). Prediksi Penyakit Diabetes menggunakan Algoritma. Jurnal Data Science dan Informastika, 46-52.
K, Cut Maisyarah, dkk. (2022). Prediksi Penyakit Diabetes menggunakan Algoritma Artificial Neural Network.JURNAL DATA SCIENCE & INFORMATIKA (JDSI) Vol. 2 No.1. Hal 46-52
M. A., Wiriaatmadja , B. S., & Hartanto, A. D. (2020). Klasifikasi Pasien Pengidap Diabetes Menggunakan Neural Network . Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) , 135-141.
Maulana & Kurniawan. (2019). Sistem Pendeteksi Penyakit Diabetes Melitus dan Tingkat Dehidrasi Berdasarkan Kondisi Urin Dengan Metode Jaringan Saraf Tiruan Berbasis Aplikasi Android. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. e-ISSN: 2345-987X Vol. 3, No. 2, hlm. 2087-2096 http://j-ptiik.ub.ac.id
Maulidah, N., Supriyadi, R., Utami, D. Y., Hasan, F. N., Fauzi, A., & Christian, A. (2020). Prediksi Penyakit Diabetes Melitus Menggunakan Metode. Indonesian Journal on Software Engineering , 63-68.
Murtiningsih, M. K., Pandelaki, K., & Sedli, B. P. (2021). Gaya HidupsebagaiFaktor Risiko Diabetes Melitus Tipe 2. e-CliniC, 328-333.
J., Rhomadhona, H., & Aprianti, W. (2021). Perbandingan K-Nearest Neighbor dan Backpropagation Neural Network dalam Prediksi ResikoDiabetes Tahap Awal. Kumpulan jurnaL Ilmu Komputer, 352-365.
Purnama, dkk. (2019). Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Diabetes. IJCIT (Indonesian Journal on Computer and Information Technology) 5 (1). Hal 1-7
Ridwan, A. (2020). Komparasi Neural Network dan Support Vector Machine Untuk Data Time Series dan Non Time Series. Jurnal Sistem Komputer dan Kecerdasan Buatan, 15-21.
Tahya & Sopaheluwakan. (2019). Penerapan Backpropagation Untuk Prediksi Dan Analisa Penyakit Diabetes Melitus Di Kota Ambon Prosiding Seminar Nasional Pendidikan Matematika Universitas Pattimura Agustus 2019 Volume 1 Hal. 51 – 56
Wardana, Y., & Sari , D. P. (2023). Prediksi Penyakit Diabetes Dengan Naïve Bayes. Jurnal Of Mathematics UNP, 89-97
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Fingki Marwati, Rizky Fauzi
This work is licensed under a Creative Commons Attribution 4.0 International License.
