Abstract

Aplikasi jaringan syaraf tiruan (JST) melalui pengenalan pola terjadinya sesuatu telah banyak dikaji dalam berbagai bidang ilmu pengetahuan. JST mampu memberikan hasil keputusan berdasarkan data yang dilatihkan. Penelitian ini membuat sebuah aplikasi JST untuk mendiagnosis penyakit Tuberculosis. Sistem deteksi ini dibuat dengan menggunakan perangkat lunak Matlab R2009a. Tujuan dari penelitian ini adalah untuk mengetahui arsitektur JST yang maksimal dan mengetahui besarnya kemampuan JST dalam mengklasifikasikan data. Gejala-gejala penyakit TBC yang digunakan sebagai input untuk mendiagnosis penyakit tersebut terdiri atas 6 variabel dengan kode target 1 untuk suspek TBC dan 0 untuk negatif TBC. Berdasarkan hasil penelitian menggunakan JST dengan metode backpropagation menunjukkan bahwa dengan adanya variasi jumlah neuron hidden layer dan learning rate dalam arsitektur JST akan diperoleh arsitektur jaringan yang optimal. Arsitektur jaringan menghasilkan tingkat akurasi 100% dengan parameter tingkat belajar 0,5, 1 lapisan tersembunyi dengan 100 buah
node, kesalahan target 0,001, dan jumlah epoh 1000.