Perbandingan Algoritma Resilient Backpropagation Dan Conjugate Gradient Polak-Ribiere Dalam Memprediksi Penyakit Stroke

Abstract

Salah satu penyebab utama kecacatan nomor tiga dengan resiko infeksi kematian tertinggi kedua di Asia Tenggara adalah penyakit stroke. Berdasarkan informasi dari sampel representatif warga negara Indonesia pada tahun 2014 yang mencakup sekitar 41.590 kematian, Indonesia merupakan negara dengan tingkat kematian yang tinggi akibat penyakit stroke. Banyak studi atau penelitian mengenai penyakit stroke, salah satu diantaranya yaitu dengan memanfaatkan Jaringan Saraf Tiruan (Neural Network). Fokus penelitian penyakit stroke kali ini adalah dengan menggunakan perbandingan dua algoritma antara algoritma resilient backpropagation dengan algoritma conjugate gradient polak-ribiere untuk memprediksi penyakit stroke. Data prediksi penyakit stroke diambil dari website http://kaggle.com yang terdiri dari 5110 record dan 10 atribut yaitu jenis kelamin, umur, hipertensi, penyakit jantung, status menikah, jenis pekerjaan, tipe tempat tinggal, kadar glukosa rata-rata, berat badan, dan status merokok. Hasil penelitian prediksi penyakit stroke yang telah dilakukan dengan kedua algoritma tersebut, menunjukkan bahwa algoritma Conjugate Gradient Polak-Ribiere memiliki jumlah iterasi yang lebih kecil dengan pelatihan dan pengujian MSE = 0.0550 pada Epoch = 6172 dibandingkan dengan algoritma Resilient Backpropagation dengan pelatihan dan pengujian MSE = 0.0571 pada epoch 10000 dengan arsitektur 10-10-1.