Analisis Penggunaan Algoritma Kohonen pada Jaringan Syaraf Tiruan Backpropagation dalam Pengenalan Pola Penyakit Paru

Abstract

In this study, the research eruses the Kohonen algorithm in neural network backpropagation for pattern recognition of pulmonary disease to increase the process of learning (training) for a significantandaccurate classification in recognizing patterns of a disease. Backpropagation algorithm is a supervised learning algorithm, a kind of learning that requires supervision in the learning process. In supervised learning, there are input and output data that are used totrain theartificial neural networkin obtaining the desired weight. In this study, for the pattern recognition of pulmonary disease: Pneumonia and Lung TBC, the researcher uses the same two input data. The first data is train edusing backpropagation algorithm with random weight and the second data is train educing backpropagation algorithm with Kohonen algorithm weight. From the results of research, using Kohonen algorithm weight and training with backpropagation algorithm are able to accelerate the process of learning (training) in recognizing a pattern of pulmonary disease compared to using backpropagation neural network only.

Dalam penelitian ini penulis menggunakan algoritma Kohonen pada Jaringan Syaraf Tiruan Backpropagation dalam pengenalan pola penyakit paru dalam mempercepat proses pembelajaran (training) yang signifikan dan klasifikasi yang akurat dalam mengenali pola suatu penyakit. Algoritma Backpropagation merupakan salah satu algoritma pembelajaran supervised learning, yaitu pembelajaran yang membutuhkan pengawasan dalam proses pembelajarannya. Pada supervised learning terdapat pasangan data input dan output yang dipakai untuk melatih Jaringan Syaraf Tiruan hingga diperoleh bobot penimbang (weight) yang diinginkan. Dalam penelitian ini, dalam pengenalan pola penyakit paru yaitu: Pneumonia dan TBC Paru-paru. Penulis menggunakan 2 data input yang sama dan data yang satu dilatih menggunakan algoritma backpropagation dimana pembobotannya secara random dan data yang kedua dilatih menggunakan algoritma backpropagation tapi pembobotannya menggunakan algoritma Kohonen. Dari hasil penelitian yang penulis lakukan, dengan pembobotan menggunakan kohonen dan dilatih dengan algoritma backpropagation ternyata dapat mempercepat proses pembelajaran (training) dalam mengenali suatu pola penyakit paru.