Prediksi Penyakit Hepatitis C dan Sirosis Hati dengan Penerapan SMOTE pada Metode Jaringan Saraf Tiruan Propagasi Balik
DOI:
https://doi.org/10.26418/pf.v11i3.65229Abstract
Penyakit hati adalah gangguan yang menyebabkan organ hati tidak bekerja dengan normal. Penelitian ini berfokus pada penyakit hati salah satunya yaitu, hepatitis C dan sirosis hati. Proses komputerisasi digunakan untuk mempermudah dalam pengolahan data agar memperoleh hasil yang akurat dan lebih memudahkan ahli medis dalam klasifikasi, prediksi, diagnosa dan pendeteksian suatu penyakit. Tujuan penelitian ini yaitu, untuk mengetahui jaringan saraf tiruan propagasi balik dalam memprediksi penyakit hepatitis C dan sirosis hati serta mengetahui persentase nilai akurasinya. Propagasi balik (backpropagation) termasuk algoritma jaringan saraf tiruan merupakan metode yang digunakan pada penelitian ini untuk menyelesaikan tugas yang komplek dengan bantuan Synthetic Minority Oversampling Technique (SMOTE) untuk menyeimbangkan data. Prinsip yang digunakan dalam metode SMOTE ialah prinsip oversampling yaitu, dengan membangkitkan data dari kelas yang jumlahnya sedikit (minor) agar jumlahnya seimbang dengan data dari kelas yang jumlahnya banyak (mayor). Hasil prediksi pada penelitian ini dengan metode propagasi balik untuk penyakit hepatitis C dengan pengolahan menggunakan SMOTE dan tanpa SMOTE berturut-turut yaitu, sebesar 99% dan 95%, sedangkan nilai akurasi prediksi penyakit sirosis hati dengan pengolahan menggunakan SMOTE dan tanpa SMOTE berturut-turut yaitu, sebesar 85% dan 84%. Berdasarkan hasil yang diperoleh tersebut, dapat disimpukan bahwa pengolahan data dengan bantuan SMOTE memperoleh nilai akurasi lebih tinggi sehingga dapat membantu meningkatkan nilai akurasi dalam proses pelatihan dan pengujian.
Kata Kunci : Hepatitis_C, Jaringan_Saraf_Tiruan, Propagasi_Balik, Sirosis_Hati, SMOTE
References
S. A. Hannan, R. R. Manza, and R. J. Ramteke, “Generalized Regression Neural Network and Radial Basis Function for Heart Disease Diagnosis,†Int. J. Comput. Appl., vol. 7, no. 13, pp. 7–13, 2010, doi: 10.5120/1325-1799.
M. Neshat and M. Yaghobi, “Designing a Fuzzy Expert System of Diagnosing the Hepatitis B Intensity Rate and Comparing it with Adaptive Neural Network Fuzzy System,†Lect. Notes Eng. Comput. Sci., vol. 2179, no. 1, pp. 797–802, 2009.
S. Sutikno, I. Waspada, N. Bahtiar, and P. S. Sasongko, “Classification of Motorcyclists not Wear Helmet on Digital Image with Backpropagation Neural Network,†TELKOMNIKA (Telecommunication Comput. Electron. Control., vol. 14, no. 3, p. 1128, 2016, doi: 10.12928/telkomnika.v14i3.3486.
R. Sofiana and S. Sutikno, “Optimization of Backpropagation for Early Detection of Diabetes Mellitus,†Int. J. Electr. Comput. Eng., vol. 8, no. 5, p. 3232, 2018, doi: 10.11591/ijece.v8i5.pp3232-3237.
A. H. Tandrian and A. Kusnadi, “Pengenalan Pola Tulang Daun Dengan Jaringan Syaraf Tiruan Backpropagation,†Ultim. Comput., vol. 10, no. 2, pp. 53–58, 2019, doi: 10.31937/sk.v10i2.1063.
S. Kosasi, “Penerapan metode jaringan saraf tiruan backpropagation untuk memprediksi nilai ujian sekolah,†J. Teknol., no. June 2014, pp. 20–28, 2014.
E. Sutoyo and M. A. Fadlurrahman, “Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network,†J. Edukasi dan Penelit. Inform., vol. 6, no. 3, p. 379, 2020, doi: 10.26418/jp.v6i3.42896.
Rudianto, “Penentuan Penyakit Peradangan Hati Dengan Menggunakan Neural Network Backpropagation,†Indones. J. Comput. Inf. Technol. Vol 1 No 1, vol. 1, no. 1, pp. 27–33, 2016.
W. Erawati, “Prediksi Penyakit Hati dengan Menggunakan Model Algoritma Neural Network,†J. Techno Nusa Mandiri, vol. XII, no. 2, pp. 157–166, 2015.
F. Miftahul, D. P. Rini., and Iwan Pahendra, “Memprediksi Penyakit Kanker Payudara dan Liver menggunakan Algoritma Backpropagation,†Pros. Annu. Res. Semin. 2019, vol. 5, no. 1, pp. 978–979, 2019.
M. Mustaqim, B. Warsito, and B. Surarso, “Kombinasi Synthetic Minority Oversampling Technique (SMOTE) dan Neural Network Backpropagation untuk menangani data tidak seimbang pada prediksi pemakaian alat kontrasepsi implan,†Regist. J. Ilm. Teknol. Sist. Inf., vol. 5, no. 2, p. 128, 2019, doi: 10.26594/register.v5i2.1705.
H. Bisri, M. A. Bustomi, and E. Purwanti, “Klasifikasi Citra Paru-Paru dengan Ekstraksi Fitur Histogram dan Jaringan Syaraf Tiruan Backpropagation,†J. Sains Dan Seni Pomits, vol. 2, no. 2, pp. 68–71, 2013.
Downloads
Published
Issue
Section
License
Copyright Notice using Creative Commons License for an Online Journal
The online journal Prisma Fisika operates under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0). This copyright notice serves to inform authors, readers, and users of the terms and conditions regarding the use and distribution of the journal's content. By submitting or accessing the content, you agree to the following:
1. Content License:
a. All articles, images, and supplementary materials published in Prisma Fisika are licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
b. This license permits users to copy, distribute, and adapt the content for non-commercial purposes, provided appropriate credit is given to the original authors and the journal.
c. If you remix, transform, or build upon the content, you must distribute your contributions under the same license as the original.
2. Attribution:
a. When using or sharing content from Prisma Fisika, you must properly attribute the original authors and the journal.
b. Include the title of the article, the names of all authors, Prisma Fisika, the year of publication, the volume/issue number, and the specific page numbers.
c. Provide a hyperlink to the original article on Prisma Fisika's website, if applicable.
3. Non-Commercial Use:
a. The content published in Prisma Fisika may not be used for commercial purposes without obtaining explicit permission from the copyright holders.
b. Commercial use includes, but is not limited to, reproduction or distribution of the content for financial gain, selling or licensing the content, or using the content in products or services that are sold or monetized.
4. ShareAlike:
a. If you adapt or remix the content from Prisma Fisika, you must distribute your derivative work under the same Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
b. This provision ensures that any modifications, adaptations, or remixes of the content maintain the same open licensing framework.
5. Disclaimer:
a. The views expressed in articles published in Prisma Fisika are solely those of the authors and do not necessarily reflect the opinions or policies of the journal, its editorial board, or affiliated institutions.
b. Prisma Fisika and its editors are not liable for any errors, omissions, or damages arising from the use or interpretation of the published content.
Please note that this Copyright Notice does not supersede any additional permissions or restrictions that may be granted by individual authors or copyright holders for their specific content within Prisma Fisika. For any questions or requests regarding the use of the journal's content, please contact the editorial team at prismafisika@physics.untan.ac.id.
By accessing or contributing to Prisma Fisika, you agree to comply with the terms of this Creative Commons license. Violation of these terms may result in legal consequences as governed by applicable copyright laws.
Date: 24-05-2023
Prisma Fisika
Email: prismafisika@physics.untan.ac.id
