Khaqiqiyah, Zulianur (2017) Identifikasi Tingkat Resiko Penyakit Lemak Darah Menggunakan Algoritme Backpropagation. Sarjana thesis, Universitas Brawijaya.
Abstract
Lemak darah atau yang sering dikenal dengan profil lipid merupakan salah satu sumber tenaga dalam tubuh yang berupa komponen lemak yang terletak didalam pembuluh darah. Lemak darah juga berfungsi sebagai pengangkut vitamin, membentuk dinding sel serta hormon-hormon steroid. Namun jumlah lemak darah yang tinggi dapat mengakibatkan resiko penyakit yang berbahaya, seperti penyakit jantung dan pankreatitis. Untuk mencegah penyakit lebih lanjut, maka penelitian ini dibuat untuk menentukan tingkat resiko penyakit lemak darah dalam tubuh. Algoritma yang dapat digunakan untuk proses klasifikasi yaitu salah satu algoritma pada Jaringan Syaraf Tiruan, yaitu Backpropagation. Pada proses pengujian dilakukan terhadap jumlah iterasi, pengaruh nilai learning rate, dan jumlah data latih. Pada penelitian ini jumlah neuron yang digunakan yaitu 4 input layer, 4 hidden layer, dan 3 output layer. Berdasarkan pada proses pengujian yang telah dilakukan, didapatkan hasil akurasi tertinggi yaitu 89.20% dengan nilai learning rate 0.2, pada iterasi maksimum 800 dan 1000. Perbandingan data yang digunakan adalah 70 data latih dan 50 data uji, dengan target error adalah 0.0001. Sedangkan akurasi terendah yang didapatkan yaitu bernilai 65.96% dengan perbadingan jumlah data adalah 10 data latih dan 30 data uji, dengan nilai learning rate 0.2 dan 1000 iterasi maksimum.
English Abstract
Blood fat or often known as lipid profile is one of the sources of energy in the body in the form of fat components that lie inside the blood vessels. Blood fat serves as a carrier of vitamins, forming cell walls and steroid hormones. But the amount of high blood fats can be resulting in the risk of dangerous diseases, such as heart disease and pancreatitis. To prevent further disease, then this study was made to determine the level of risk of internal blood lipid in a human body. The algorithm that is use for the classification process is one of the algorithms on the artificial neural network, that is Backpropagation. In the testing process carried out on the number of iterations, the effect of the value learning rate, and amount of training data. In this study the number of neurons used are 4 input layer, 4 hidden layer, and 3 output layers. Based on the process testing that has been done, obtained the highest accuracy of 89.20% with the value of learning rate is at 0.2, at the maximum iteration of 800 and 1000. Comparison of data used is 70 trainer data and 50 test data, with target of MSE is 0.0001. While the lowest accuracy obtained is worth 65.96% with comparison of data used is 10 trainer data and 30 test data, with the value of learning rate 0.2 and 1000 iterations at the maximum.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2017/589/051708101 |
Uncontrolled Keywords: | Lemak Darah, Jaringan Syaraf Tiruan, Backpropagation |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Yusuf Dwi N. |
Date Deposited: | 04 Oct 2017 06:42 |
Last Modified: | 16 Oct 2020 05:46 |
URI: | http://repository.ub.ac.id/id/eprint/3248 |
![]() |
Text
Bagian Depan.pdf Restricted to Repository staff only Download (4MB) |
![]() |
Text
BAB I.pdf Restricted to Repository staff only Download (638kB) |
![]() |
Text
BAB II.pdf Restricted to Repository staff only Download (1MB) |
![]() |
Text
BAB III.pdf Restricted to Repository staff only Download (733kB) |
![]() |
Text
BAB IV.pdf Restricted to Repository staff only Download (1MB) |
![]() |
Text
BAB V.pdf Restricted to Repository staff only Download (1MB) |
![]() |
Text
BAB VI.pdf Restricted to Repository staff only Download (678kB) |
![]() |
Text
BAB VII.pdf Restricted to Repository staff only Download (598kB) |
![]() |
Text
Daftar Pustaka.pdf Restricted to Repository staff only Download (472kB) |
Actions (login required)
![]() |
View Item |