Perbandingan Algoritma Genetika dan Backpropagation pada Aplikasi Prediksi Penyakit Autoimun

Debi Setiawan, Ramalia Noratama Putri, Reni Suryanita

DOI: https://doi.org/10.23917/khif.v5i1.7173

Abstract

Penyakit autoimun adalah penyakit yang disebabkan oleh sistem imun yang kacau. Sehingga imun pada tubuh penderita menyerang penderita itu sendiri. Penelitian di Amerika Serikat menunjukkan lebih dari 23,5 juta penduduk menderita penyakit autoimun, sumber data Departemen Kesehatan dan Layanan Kemanusiaan Amerika Serikat. Pada data SIRS Online Ditjen Pelayanan Kesehatan 2017 menunjukkan data proporsi pasien berjenis kelamin laki-laki 54,3% dan pasien berjenis kelamin wanita 45,7%. Meningkatnya penderita penyakit autoimun disebabkan sulitnya untuk mendiagnosis penyakit autoimun, karena gejala dari penyakit autoimun bervariasi. Penelitian ini membandingkan algoritma backpropagation dan algoritma genetika dalam memprediksi penyakit autoimun. Perbandingan dilakukan berdasarkan nilai accuracy, sensitivity, dan precision. Data yang digunakan dalam penelitian ini adalah 24 data pasien penyakit dalam. Prediksi penyakit autoimun menggunakan algoritma backpropagation memiliki nilai accuracy 0.83, sensitivity 97%, dan precision 75%. Sedangkan prediksi penyakit autoimun dengan algoritma genetika memiliki nilai accuracy 0.76, sensitivity 81%, dan precision 75%. Dari perbandingan tersebut dapat disimpulkan bahwa algoritma backpropagation memberikan prediksi penyakit autoimun lebih baik dari algoritma genetika.

Keywords

prediksi; autoimun; algoritma backpropagation; algoritma genetika

References

S. Waluyo, Penyakit-Penyakit Autoimun. Elek Media Komputindo, 2014.

PUSDATIN, Infodatin. Situasi Lupus di Indonesia. Pusat data dan Informasi Kementrian Kesehatan RI, 2017.

E. Roviati, “Systemic Lupus Erithematosus (SLE): Kelainan Autoimun Bawaan yang Langka dan Mekanisme Molekulernya,” Jurnal Sci. Educ., vol. 2:1, no. April, 2013.

B. Rifai, “Algoritma Neural Network untuk Prediksi Penyakit Jantung,” J. Techno Nusa Mandiri, vol. IX, no. 1, pp. 1–9, 2013.

D. Kurnianingtyas, W. F. Mahmudy, and A. W. Widodo, “Optimasi Derajat Keanggotaan Fuzzy Tsukomoto Menggunakan Algoritma Genetika untuk Diagnosis Penyakit Sapi Potong,” J. Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 1, pp. 8–18, 2017.

A. P. Windarto, M. R. Lubis, and L. R. Komprehensif, “Implementasi JST Pada Prediksi Total Laba Rugi Komprehensif Implementation of Neural Network in Predicting Total Comprehensive Income of Conventional Commercial Banks Using,” J. Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 4, pp. 411–418, 2018.

I. Putri and F. Nhita, “Analisis dan Implementasi Algoritma Genetika (Ag) pada Jaringan Syaraf Tiruan (Jst) untuk Prediksi Curah Hujan di Kabupaten Bandung”. Skripsi. Universitas Telkom. Bandung. 2014.

M. S. Ali and M. N. I. Mondal, “Character Recogntion System: Performance Comparison of Neural Networks and Genetic Algorithm,” 1st Int. Conf. Comput. Inf. Eng. ICCIE 2015, pp. 91–94, 2016.

M.-C. Lee and C. To, “Comparison of Support Vector Machine and Back Propagation Neural Network in Evaluating the Enterprise Financial Distress,” Int. J. Artif. Intell. Appl., vol. 1, no. 3, pp. 31–43, 2010.

L. R. Dorteus and K. L. Ferry, “Analisis dan Prediksi Penyakit Jantung Koroner di Kota Ambon Menggunakan Jaringan Saraf Tiruan,” J. Ilmu Mtematika dan Terap., vol. 10, no. 2, pp. 97–105, 2016.

V. Pebrianasari, E. Mulyanto, and D. Erlin, “Analisis Pengenalan Motif Batik Pekalongan Menggunakan Algoritma Backpropagation,” Techno.COM, vol. 14, no. 4, pp. 281–290, 2015.

I. Ispandi and R. Wahono, “Penerapan Algoritma Genetika untuk Optimasi Parameter pada Support Vector Machine untuk Meningkatkan Prediksi Pemasaran Langsung,” J. Intell. Syst., vol. 1, no. 2, pp. 115–119, 2015.

Y. I. Kurniawan, “Perbandingan Algoritma Naive Bayes dan C.45 Dalam Klasifikasi Data Mining,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, pp. 455–464, 2018.

T. Vafeiadis, K. I. Diamantaras, G. Sarigiannidis, and K. C. Chatzisavvas, “A comparison of Machine Learning Techniques for Customer Churn Prediction,” Simul. Model. Pract. Theory, vol. 55, no. June, pp. 1–9, 2015.

M. Badrul, “Optimasi Algoritma Neural Network Dengan Algoritma Genetika dan Particle Swarm Optimization untuk Memprediksi Hasil Pemilukada,” J. Pilar Nusa Mandiri, vol. 13, no. 1, pp. 1–11, 2017.

Article Metrics

Abstract view(s): 87 time(s)
PDF (Bahasa Indonesia): 30 time(s)

Refbacks

  • There are currently no refbacks.