| dc.description.abstract | Diabetes mellitus (DM) menjadi persoalan kesehatan serius dunia. DM adalah
suatu penyakit yang menyebabkan kadar glukosa didalam tubuh tinggi akibat tubuh
tidak dapat menghasilkan atau kekurangan hormon insulin. Pengendalian kadar
glukosa darah dengan melakukan kontrol secara rutin merupakan hal yang penting
bagi penderita penyakit diabetes. Namun pengukuran secara rutin masih jarang
dilakukan. Hal ini karena pengukuran masih dilakukan secara invasive sehingga
menimbulkan rasa sakit dan dengan biaya pengukuran yang mahal. Dibutuhkan alat
yang dapat mendeteksi kadar glukosa dengan cepat tanpa melukai tubuh dengan
biaya yang lebih terjangkau. Oleh karena itu, sedang dikembangkan suatu alat
pengukur glukosa tanpa melukai tubuh (non-invasive). Metode alternatif yang
mampu menyatakan hubungan antara spektrum nilai hasil keluaran alat pengukuran
non-invasive dengan kadar glukosa darah adalah Jaringan Syaraf Tiruan (JST)
JST adalah sistem komputasi yang arsitektur dan operasinya diilhami dari
pengetahuan tentang sel saraf biologi di dalam otak manusia. JST dapat dilatih
untuk mempelajari dan menganalisis pola dari data yang dimasukkan. JST berusaha
mencari suatu formula atau fungsi yang akan menghubungkannya dengan keluaran
yang diinginkan. Salah satu algoritma dalam JST yang banyak dipakai adalah
backpropagation (BP). Metode BP merupakan suatu teknik supervised learning
yang banyak digunakan pada banyak lapisan untuk pengenalan pola-pola yang
kompleks. Dibalik kelebihannya BP memiliki kelemahan, yaitu membutuhkan
waktu yang cukup lama dalam proses pembelajarannya. Banyak penelitian yang
dilakukan untuk memperbaiki kelemahan tersebut salah satunya pada algoritma
resilient backpropagation (Rprop). Pada Rprop parameter laju pembelajaran akan
selalu berubah-ubah sesuai dengan kondisi perubahan galat pada tiap iterasinya.
Penelitian ini mencoba memodelkan persamaan kalibrasi spektrum nilai
tegangan yang dikeluarkan oleh alat pengukur kadar glukosa non-invasive untuk
menduga kadar glukosa dalam darah dengan menggunakan algoritma multilayer
perception (MLP), backpropagation dan resilient backpropagation. Pada ketiga
algoritma tersebut dicobakan beberapa macam model. Dari ketiga algoritma akan
dibandingkan ketepatan pendugaan dan efisiensinya dengan melihat RMSE,
RMSEP dan R2 yang dihasilkan serta banyak iterasi yang dibutuhkan.
Model kuadrat X ln Y dengan 1 lapisan (10 node), kuadrat X akar Y dengan
1 lapisan (10 node), dan model kuadrat X akar Y dengan 2 lapisan (10 node,10
node) adalah model terbaik dari beberapa model yang telah dicobakan dalam
melakukan pendugaan glukosa darah. Model ini memperbaiki pelanggaran
heteroskedastisitas ragam galat, meningkatkan nilai R2, memperkecil RMSE dan
RMSEP. Menurut hasil analisis, algoritma JST terbaik adalah Rprop yang
memberikan nilai dugaan yang lebih akurat dan efisien karena dengan iterasi yang
lebih sedikit dapat menghasilkan RMSE dan RMSEP lebih kecil serta R2 yang jauh
lebih besar dibandingkan dengan algoritma MLP dan BP. Pada algoritma BP terjadi
pelanggaran heteroskedastisitas pada ragam galat sehingga ragam galat yang
dimiliki tidak homogen. | id |
