Analisis Performansi Metode Backpropagation Untuk Mengidentifikasi Penyakit Mata Menular

Metode pembelajaran backpropagation banyak digunakan untuk penyelesaian suatu masalah berkaitan dengan identifikasi, prediksi, dan pengenalan pola. Salah satu pengaplikasian metode backpropagation adalah pada bidang medis, yaitu sistem untuk mengidentifikasi sebuah penyakit. Penyakit yang diidentifikasi menggunakan metode backpropagation merupakan penyakit yang memiliki gejala yang bias antara satu dan yang lainnya yang menjadikan penyakit sulit untuk dibedakan. Penyakit mata menular memiliki gejala yang sangat bias antara jenis yang satu dengan yang lainnya, menyebabkan jenis-jenis penyakit mata menular sulit untuk diidentifikasi.Metode backpropagation diimplementasikan pada kasus penyakit mata menular untuk mengidentifikasi jenis penyakit mata menular berdasarkan gejala-gejala yang ditimbulkan oleh penyakit, gejala yang didapatkan kemudian disusun menjadi 19 buah variabel masukan. Pada metode backpropagation gejala-gejala yang ditimbulkan digunakan sebagai sinyal input yang akan dihitung sedemikian hingga didapatkan hasil berupa penyakit yang teridentifikasi. Adapun jenis penyakit mata menular yang diidentifikasi adalah penyakit Konjungtivitis, Keratokongjutivitis Vernalis, Endoftalmitis, Selulitis Orbitalis, Trakoma, Blefaritis, dan Ulkus Kornea. Berdasarkan hasil dua skenario pengujian menggunakan metode cross validation dengan 10 fold dari jumlah data sebanyak 140 data, dengan parameter 1 hidden layer dengan 4 buah neuron, learning rate yang bernilai 0.05, batas epoch sebesar 3000, dan batas error sebesar 0.025 maka diperoleh akurasi tertinggi dari metode backpropagation yang diimplementasikan untuk mengidentifikasi penyakit mata menular sebesar 90.714%.

Backpropagation learning method is widely used for the settlement of a matter relating to the identification, prediction, and pattern recognition. One of the application backpropagation method is in the medical field, namely the the system to identify a disease. The disease which identified by the back propagation method, is a disease that has similar symptoms between one and the other which makes the disease difficult to distinguish. Infectious eye diseases have very similar symptoms between one type to another, causing the types of infectious eye disease is difficult to be identified.Backpropagation method is implemented in the case of infectious eye diseases to identify the type of infectious eye diseases based on symptoms that occur. Symptoms were obtained, arranged into 19 pieces of input variables. In backpropagation method, symptoms caused are used as input signal to be measured up to the results obtained in the form of identified disease. infectious eye diseases identified, is a disease with a type of conjunctivitis, vernal keratoconjunctivitis, endophthalmitis, orbital cellulitis, Trachoma, blepharitis, and corneal ulcers.Based on the results of two test scenarios using 10-fold cross validation with as many as 140 of the amount of data the data, with parameters 1 hidden layer with 4 neurons, learning rate which is worth 0.05 epoch limit of 3000, and the limit of error of 0.025, the highest accuracy obtained from backpropagation method which implemented to identify infectious eye disease is 90 714%.