IMPLEMENTASI NEURAL NETWORK UNTUK MEMPREDIKSI JUMLAH PENDERITA TUBERCULOSIS

AHMAD CHAMSUDIN, Adhistya Erna Permanasari, S.T., M.T., Ph.D.;Ir. Oyas Wahyunggoro, M.T., Ph.D

2015 | Tesis | S2 Teknik Elektro

Tuberkulosis(TBC) merupakan salah satu jenis penyakit menular yang memiliki jumlah penderita yang sangat banyak, bahkan Indonesia menduduki urutan ke empat jumlah terbanyak penderita tuberkulosis di dunia.Tuberkulosis telah banyak menyebabkan kematian pada penderitanya baik dari kalangan anak-anak, dewasa sampai lanjut usia. Dengan fenomena tersebut maka dibutuhkan studi untuk memprediksi jumlah penderita tuberkulosis pada tahun-tahun yang akan datang yang nantinya dapat digunakan sebagai pendukung keputusan medis. Dalam penelitian ini Neural network digunakan untuk memprediksi jumlah penyakit tuberkulosis dengan menggunakan data bulanan dalam jangka waktu dua puluh tahun terakhir. Metode yang digunakan untuk membangun neural network yaitu dengan menggunakan tiga macam algoritme yaitu Back Propagation, Quasi-Newton dan Levemberg-Marquardt untuk dapat meminimalkan tingkat error, dengan harapan hasil yang dicapai bisa lebih tepat dalam memprediksi jumlah penyakit tuberkulosis. Dalam penelitian ini diperoleh hasil forecasting dengan mengukur tingkat akurasi forecasting dengan membandingkan nilai MAPE dan MSE, dari ketiga algoritme didapatkan algoritme Levemberg-Marquardt memiliki nilai MAPE dan MSE terbaik yaitu 9,15 % dan 43419 yang menunjukkan algoritme yang paling optimal dibanding yang lain.

Tuberculosis (TBC) is one of infect illness that have many patients, even in Indonesia TBC stood at fourth position in the world. TBC already cause the death in every age from child to adult. With this phenomenon, the further study needed to predict the people who already infected by TBC in following years, so the result can be used to support medical decision. In this research, neural network used to predict the number of TBC disease using monthly data in last ten year. The method that used to build neural network using three types algorithm :Back Propagation, Quasi-Newton, and Lavemberg-Marquardt in order to minimize the level of error.The result that can be reached can be more accurate to predict the number of TBC disease. In this research, forecasting results obtained by measuring the level of forecasting accuracy by comparing the value of MAPE and MSE, from third algorithm obtained Lavemberg-Marquardt algorithm has the best value of MAPE and MSE is 9.15% and the 43 419 who showed the most optimal algorithm than others. Keywords :Neural Network, Forecasting, Tuberculosi,Back Propagation, Quasi-Newton,Lavemberg-Marquardt

Kata Kunci : Kata kunci Neural Network, Forecasting, Tuberculosi,Back Propagation, Quasi-Newton,Levemberg-Marquardt.