PREDIKSI TINGKAT KESUBURAN (FERTILITY) DENGAN JARINGAN SARAF TIRUAN METODE BACKPROPAGATION

Abstract

Fertilitas merupakan kemampuan organ reproduksi untuk bekerja secara optimal untuk menjalankan fungsi fertilisasi. Pada laki-laki fertilitas tergantung pada sel kualitas sperma, sel sperma dipengaruhi oleh fakor lingkungan, riwayat penyakit serta kebiasaan hidup. Faktor tersebut adalah musim atau cuaca, usia, penyakit bawaan dari kecil, adanya trauma, bedah, demam tinggi, alkohol, rokok dan lama duduk. Dalam dunia kesehatan, diagnosis penyakit menjadi hal yang sulit. Namun catatan rekam medis dapat membantu dokter muda untuk mengambil keputusan. Setiap tahun data rekam medis semakin bertumpuk, dan apa yang akan dilakukan dengan seluruh data tersebut. Data Mining dapat menggunakan data tersebut untuk membangun sebuah model untuk mengenali pola data yang ada pada basis data. Jaringan saraf tiruan merupakan suatu konsep rekayasa pengetahuan dalam bidang kecerdasan buatan yang didesain dengan mengadopsi sistem saraf manusia. Dapat digunakan untuk proses klasifikasi maupun prediksi. Tujuan dari penelitian ini yaitu untuk mengimplementasikan metode jaringan saraf tiruan backpropagation untuk mengklasifikasikan kualitas fertilitas, serta dapat mendapatkan analisis sensifitas, spesifitas, dan akurasi metode. Arsitektur jaringan saraf tiruan backpropagation menggunakan 9 neuron pada input layer, 2 neuron pada hidden layer, dan 1 neuron output layer. Hasil dalam pengujian menunjukan rata-rata bahwa metode ini berhasil mengklasifikasi dengan baik kualitas fertilitas dengan akurasi 80.3157894736842%, untuk data kelas “Normal†sensifitas yang didapatkan 89.596083231334%, sedangkan klasifikasi  kelas “Tidak Normal†spesifitas 26.466165413534%. Untuk validasi k-fold cross yang diterapkan dari 100 data yang dipecah menjadi empat bagian. Hasil rata-rata akurasi sebesar 86%, rata-rata sensifitas 91.99%, dan rata-rata spesifitas 52.50%.