SISTEM DIAGNOSIS DERMATOGLYPHIC PENYAKIT DIABETES TERKAIT GENETIKA MENGGUNAKAN SELF-ORGANIZING MAP

Tugas Akhir di ITHB

Nama : Samuel Adiguna Susanto
NIM : 1111019

Dosen Pembimbing I
Prof. Dr. The Houw Liong

Dosen Pembimbing II
Elisafina Siswanto, S.T., M.T.

ABSTRAK

Salah satu penyakit terkait genetika yang sudah cukup dikenal secara luas oleh masyarakat umum di Indonesia adalah penyakit diabetes mellitus tipe II. Penyakit diabetes mellitus tipe II ini cenderung bersifat permanen dan sulit diobati, maka diperlukan upaya tindakan pencegahan melalui diagnosis dini. Metode yang dapat digunakan untuk melakukan diagnosis dini adalah metode dermatoglyphic yang mampu menganalisis kecenderungan penyakit berdasarkan struktur genetika yang dapat dipetakan melalui jumlah dan pola sidik jari tangan. Dalam mengembangkan sistem diagnosis ini, arsitektur kecerdasan buatan yang digunakan untuk proses pengenalan pola adalah self-organizing map berbasis topologi Kohonen yang mampu melakukan kalkulasi untuk fitur yang kompleks dalam waktu yang relatif lebih singkat dibandingkan metode lainnya. Berdasarkan hasil penelitian dan pengujian terhadap sistem yang dikembangkan, dapat diketahui bahwa metode self-organizing map dapat mengenali pola sidik jari dengan tingkat keberhasilan sebesar 97.48% atau tingkat akurasi secara keseluruhan sebesar 98.66%. Terdapat juga beberapa optimasi yang dapat diimplementasikan dalam sistem, yakni optimasi pada proses thresholding yang mampu mempersingkat waktu pemrosesan sebesar 25.77% dengan optimasi tertinggi sebesar 55.96% serta optimasi pada proses thinning yang mampu mengurangi waktu pemrosesan sebesar 15.75%.
Kata kunci: Dermatoglyphic, Kohonen, Self-Organizing Map

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s