PENERAPAN ALGORITMA BAYESIAN REGULARIZATION BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT DIABETES
<p class="m-2035501802262682298gmail-m1077312632621352183gmail-msolistparagraph">Pada tahun 2015, penderita diabetes di Indonesia sebanyak 10 juta jiwa. Banyaknya penderita diabetes ini semakin bertambah dari tahun ke tahun. Berdasarkan data International Diabetes Federation, diperki...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universitas Negeri Semarang
2017-03-01
|
| Series: | Jurnal MIPA |
| Subjects: | |
| Online Access: | https://journal.unnes.ac.id/nju/index.php/JM/article/view/9293 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849306078175559680 |
|---|---|
| author | S Suwarno A A Abdillah |
| author_facet | S Suwarno A A Abdillah |
| author_sort | S Suwarno |
| collection | DOAJ |
| description | <p class="m-2035501802262682298gmail-m1077312632621352183gmail-msolistparagraph">Pada tahun 2015, penderita diabetes di Indonesia sebanyak 10 juta jiwa. Banyaknya penderita diabetes ini semakin bertambah dari tahun ke tahun. Berdasarkan data International Diabetes Federation, diperkirakan pada tahun 2040 banyaknya penduduk Indonesia yang terkena penyakit diabates akan meningkat menjadi 16.2 juta jiwa penduduk. Upaya pendeteksian sejak dini penyakit diabetes perlu dilakukan. Hal ini untuk mengurangi komplikasi penyakit pada penderita pada masa yang akan datang. Neural network merupakan salah satu metode klasifikasi yang dapat digunakan untuk memprediksi penyakit diabetes. Penelitian ini bertujuan membuat sistem prediksi penyakit diabetes. Kinerja diagnostik sistem Jaringan syaraf tiruan<em> </em>dievaluasi menggunakan analisis Receiver Operating Characteristic (ROC) untuk mengetahui tingkat accuracy, sensitivity, dan specificity. Hasil evaluasi menunjukkan klasifikasi menggunakan sistem jaringan syaraf tiruan backpropagation masuk ke dalam kriteria <em>good classification</em>. Artinya, hasil klasifikasi ini dapat digunakan untuk membuat sistem prediksi penyakit diabates.</p><p>As 2015, an estimated 10 million people had diabetes in Indonesia. Trends suggested the rate would continue to rise year by year. According to the latest International Diabetes Federation, people living with diabetes is expected to rise to 16.2 million by 2040. Early detection of diabetes is needed to reduce number of people living with diabetes. Neural network classification is one method that can be used to predict diabetes. This research aims to make diabetes disease prediction systems. Artificial neural network diagnostic system performance was evaluated using analysis of Receiver Operating Characteristic (ROC) to determine the level of accuracy, sensitivity, and specificity. The results of the evaluation showed that the classification system using backpropagation neural network is good. The results of the classification is used to make diabetes disease prediction systems.</p> |
| format | Article |
| id | doaj-art-2cb5e6dcd0694da094db93e815403ffe |
| institution | Kabale University |
| issn | 0215-9945 |
| language | English |
| publishDate | 2017-03-01 |
| publisher | Universitas Negeri Semarang |
| record_format | Article |
| series | Jurnal MIPA |
| spelling | doaj-art-2cb5e6dcd0694da094db93e815403ffe2025-08-20T03:55:12ZengUniversitas Negeri SemarangJurnal MIPA0215-99452017-03-013921501585810PENERAPAN ALGORITMA BAYESIAN REGULARIZATION BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT DIABETESS Suwarno0A A Abdillah1Universitas Bina NusantaraPoliteknik Negeri Jakarta<p class="m-2035501802262682298gmail-m1077312632621352183gmail-msolistparagraph">Pada tahun 2015, penderita diabetes di Indonesia sebanyak 10 juta jiwa. Banyaknya penderita diabetes ini semakin bertambah dari tahun ke tahun. Berdasarkan data International Diabetes Federation, diperkirakan pada tahun 2040 banyaknya penduduk Indonesia yang terkena penyakit diabates akan meningkat menjadi 16.2 juta jiwa penduduk. Upaya pendeteksian sejak dini penyakit diabetes perlu dilakukan. Hal ini untuk mengurangi komplikasi penyakit pada penderita pada masa yang akan datang. Neural network merupakan salah satu metode klasifikasi yang dapat digunakan untuk memprediksi penyakit diabetes. Penelitian ini bertujuan membuat sistem prediksi penyakit diabetes. Kinerja diagnostik sistem Jaringan syaraf tiruan<em> </em>dievaluasi menggunakan analisis Receiver Operating Characteristic (ROC) untuk mengetahui tingkat accuracy, sensitivity, dan specificity. Hasil evaluasi menunjukkan klasifikasi menggunakan sistem jaringan syaraf tiruan backpropagation masuk ke dalam kriteria <em>good classification</em>. Artinya, hasil klasifikasi ini dapat digunakan untuk membuat sistem prediksi penyakit diabates.</p><p>As 2015, an estimated 10 million people had diabetes in Indonesia. Trends suggested the rate would continue to rise year by year. According to the latest International Diabetes Federation, people living with diabetes is expected to rise to 16.2 million by 2040. Early detection of diabetes is needed to reduce number of people living with diabetes. Neural network classification is one method that can be used to predict diabetes. This research aims to make diabetes disease prediction systems. Artificial neural network diagnostic system performance was evaluated using analysis of Receiver Operating Characteristic (ROC) to determine the level of accuracy, sensitivity, and specificity. The results of the evaluation showed that the classification system using backpropagation neural network is good. The results of the classification is used to make diabetes disease prediction systems.</p>https://journal.unnes.ac.id/nju/index.php/JM/article/view/9293DiabetesPIMA Indian FemaleBayesian Regularization Backpropagation |
| spellingShingle | S Suwarno A A Abdillah PENERAPAN ALGORITMA BAYESIAN REGULARIZATION BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT DIABETES Jurnal MIPA Diabetes PIMA Indian Female Bayesian Regularization Backpropagation |
| title | PENERAPAN ALGORITMA BAYESIAN REGULARIZATION BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT DIABETES |
| title_full | PENERAPAN ALGORITMA BAYESIAN REGULARIZATION BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT DIABETES |
| title_fullStr | PENERAPAN ALGORITMA BAYESIAN REGULARIZATION BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT DIABETES |
| title_full_unstemmed | PENERAPAN ALGORITMA BAYESIAN REGULARIZATION BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT DIABETES |
| title_short | PENERAPAN ALGORITMA BAYESIAN REGULARIZATION BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT DIABETES |
| title_sort | penerapan algoritma bayesian regularization backpropagation untuk memprediksi penyakit diabetes |
| topic | Diabetes PIMA Indian Female Bayesian Regularization Backpropagation |
| url | https://journal.unnes.ac.id/nju/index.php/JM/article/view/9293 |
| work_keys_str_mv | AT ssuwarno penerapanalgoritmabayesianregularizationbackpropagationuntukmemprediksipenyakitdiabetes AT aaabdillah penerapanalgoritmabayesianregularizationbackpropagationuntukmemprediksipenyakitdiabetes |