Debora Sopiana Ikawahyuni
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Deep Belief Network Sebagai Algoritma untuk Mendeteksi Penyakit Diabetes Debora Sopiana Ikawahyuni
JURNAL SAINS DAN KOMPUTER Vol. 1 No. 2 (2017): Jurnal Infact Edisi Agustus 2017
Publisher : Universitas Kristen Immanuel

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Menurut data International Diabetes Federation (IDF) dalam IDF Diabetes Atlas 2019angka kematian akibat diabetes mencapai 4.2 juta, dan sekitar 463 juta orang dewasa (20 – 79tahun) menderita diabetes. IDF juga menyebutkan bahwa angka prevalensi diabetes pada orangdewasa di Indonesia adalah sebesar 6.2%, dengan total kasus diabetes pada orang dewasa sebesar10.681.400. Oleh karena itu, masyarakat perlu waspada akan kondisi kesehatan mereka.Deep Belief Network (DBN) merupakan algoritma dalam Jaringan Saraf Tiruan (JST) yangmemiliki potensi dan dapat dimanfaatkan untuk melakukan deteksi dini penyakit diabetes denganmelakukan kalkulasi statistik. DBN dibentuk dengan menumpuk algoritma Restricted BoltzmannMachine (RBM). Algoritma ini merupakan generative model yang sifatnya hierarkis dan dapatmenggambarkan fungsi yang memiliki variasi tinggi dan menemukan berbagai macam fitur.Proses pendeteksian diabetes menggunakan DBN ini terdiri dari beberapa langkah. Langkahpertama adalah persiapan data, di mana data yang digunakan merupakan dataset yang disediakanoleh Datahub. Kedua, yaitu training algoritma DBN. Langkah terakhir, yaitu evaluasi denganmenggunakan algoritma fine-tuning, yaitu Backpropagation (BP).Hasil penelitian menunjukkan nilai rata-rata tingkat error yang sangat kecil dari DBNdengan 15 layer, yaitu sebesar 0.055%. DBN juga telah dibuktikan mampu bekerja sebagai tahapinisialisasi weights awal dalam BP. Hal ini ditunjukkan dengan peningkatan signifikan rata-rataakurasi evaluasi pada tahap fine-tuning sebesar 22.616%, dibandingkan dengan BP yangmenggunakan weights bernilai 0 dan bilangan acak yang memiliki rata-rata akurasi 0.0%.