Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tujuan: Tujuan dari penelitian ini adalah mendapatkan model jaringan saraf tiruan dengan algoritma pembelajaran backpropagation berdasarkan data masukan dari pola sidik jari penderita obesitas. Diharapkan model JST yang diperoleh dapat menjadi alat bantu diagnosis bagi para klinisi dalam mengidentifikasi kasus obesitas berdasarkan keturunan. Metode: Data dari pola sidik jari penderita obesitas dan data penunjang lainnya diuraikan menjadi variabel masakan Variabel keluaran ditentuknn berdasarkan kasus obesitas yang diderita oleh pasien. Kemudian data sampel dibagi dua yaitu data untuk training dan data untuk testing. Dengan menggunakan data training maka Metode Jaringan syaraf tiruan mempelajari pola sidik jari pendarita obesitas yang kemudian digunakan untuk memprediksi data testing. Akurasi identifikssi atau pengenalan pola sidik jari penderita obesitas akan sangat ditentukan oleh hasil prediksi algoritma jaringan syaraf tiruan terhadap data testing. Hasil: Dalam proses pemhelajaran dengan metode jaringan berbasil melakukan pengenal terhadap data training dengan error sebesar O,QI berhasil dicapai. Untuk prediksi polo sidik jari melalui data testing rata-rata keberhasilan adalah 71,82%. Angka prosentasi keberbasilan ini cukup baik dan depat dijadikan alat bantu bagi para praktisi medis di bidang obesitas dalam menentukan faktor keturunan dari penyakit obesitas. Kesimpulan: Percobaan ini menghasilkan model JST yang dapat diaplikasikan pada pengelan pola sidik jari pendarita obesitas. Rata-rata keberhasilan prediksi sebesar 71,82% dapat ditingkat dengan menambah data training bagi Metode Jaringan Saraf Tiruan.

---

Objective: The objective of this research is to obtain an artificial neural network model with backpropagation learning algorithm based on input data from the fingerprint pattern of the obese patients. It is expected that ANN models can be obtained as diagnostic tool for clinicians in identifying cases of obesity based on descent.

Methods: Data from the fingerprint pattern of obesity and other supporting data is decomposed into input variables. Output variable is determined on a case-obesity suffered by the patient Then the sampled data is divided into two data. One for training and other for testing. By using training data. the method of artificial neural networks learn the patterns of the obese fingerprint which is then used to predict the testing data. Accuracy of fingerprint pattern recognition of obesity will be detemined by the results of neural network algorithm prediction against testing data.

Results: In the learning process stage, Artificial Neural Network succceded in identifying a network of training with error 0.01 was achieved. For the prediction of fingerprint patterns through data testing success rate was 80%. The rate for the percentage of success is quite good and can be used as a tool for medical practitioners in the field of obesity in determining obesity cases base of genetic factor.

Conclusion: This experiment resulted ANN model that can be applied to the fingerprint pattern recognition of obese patients. The average prediction success of 71,82% would be increase if we can add more data for 1raining process for Neural Network Method."

"ABSTRAKPola sidik jari yang merupakan salah satu chi khas dari masing-masing individu yang tidak akan berubah dan berkaitm dengan genetika dan memiliki pola berbeda, maka dalarn penelitian ini mencitrakan bahwa terdapat perbedaan pola sidik jari anak penyandang autis terhadap anak yang normal. Pada anak penyandang autis kebanyakan memiliki pola whorl serta pola pada jari kanan dan jari kiri tidak simetris, sedangkan pada anak normal kebanyakan pola jari lrenan dan jari kiri memiliki kesimetrisan. Dalam penelitiaan ini menghasilkan recognition rate dala training dengan Laju pembeLajaran a.U,2 dan epoc = 1000 tanpa PCA sebesar 98,51"A. dengan PCA sebesar 100% dan menghasilkan recognition rote data testing dengan laju pembelajaran a = 0,2 dan epoch=1000 tmpa PCA sebesar 78,33% dengan PCA sebesar 68,34%. Dengan demikian metoda jaringan saraf tiruan dapat digunakan untuk identifikasi anak autis dengan keakuratan 78.33%

---

ABSTRACTThe pattern of fingerprint is the which one of characteristic of a each individual that wm not be change and related with the genetics and also has a different pattern. so in this research differences finger print patterns from children with autism to normal kids. In most children with autism have a whorl pattern and the pattern of the finger right and left finger is not symmetrical pattern, where as in normal children most of the pattern off finger left and right finger has a symmetry. In this thesis result the recognition data rate training without the PCA 'Whith learning rate "