ABSTRAKSI: Mengenali penyakit stroke sejak dini sangat berguna bagi masyarakat mengingat stroke dapat berakibat fatal, dapat membelenggu si penderita selama bertahun-tahun sebagai orang cacat atau bahkan merenggut nyawa. Biasanya untuk mendiagnosa stroke seorang dokter harus terlebih dahulu mengetahui gejala dan riwayat penyakit yang dimiliki seseorang. Hal ini dapat terbantu jika dibuatkan sistem yang dapat mendiagnosa stroke berdasarkan faktor resiko stroke (hasil laboratorium) seseorang dengan pengetahuan yang dipelajari dari kasus-kasus stroke yang sudah pernah terjadi sebelumnya.
Sistem dibangun dengan mengkombinasikan algoritma genetika dengan jaringan saraf tiruan. Algoritma genetika khususnya digunakan untuk mengoptimasi bobot jaringan saraf tiruan yang dibangun. Teknik pembelajaran JST yang digunakan dalam pendiagnosaan penyakit stroke ini adalah JST Feed Forward Neural Network dengan 9 input pada lapisan masukan yang disesuaikan dengan jumlah faktor resiko stroke, 3 neuron pada lapisan tersembunyi dan 1 output pada lapisan keluaran yang merupakan klasifikasi apakah seseorang terkena stroke atau tidak. Keakuratan hasil prediksi JST diukur berdasarkan nilai SSEnya.
Uji coba sistem pendiagnosaan stroke telah dilakukan dan hasilnya dibandingkan dengan JST backpropagation. Hasil terbaik menggunakan sistem JST-AG mencapai tingkat akurasi 100% pada pengujian data testing sedangkan sistem JST backpropagation hanya mencapai 96.67%. Berdasarkan uji coba tersebut dapat disimpulkan optimasi JST dengan algoritma genetika dapat memberikan hasil yang lebih baik dari JST backpropagation.
Kata Kunci : Stroke, Faktor resiko stroke, Algoritma genetika, JST-AG, JST feed forward neural network, JST backpropagation.ABSTRACT: Recognizing stroke disease early is useful for society remember stroke’s damage is fatal, can handcuff the patient during years as a handicap even causing death. Usually, for diagnosing stroke disease a doctor must know the symptom and disease history owned by someone. This matter can be assisted by developing system which can diagnose stroke disease based on someone’s stroke risk factor (laboratory result) with the knowledge learned from case that happened before.
The system developed by combining genetic algorithm with artificial neural network, especially for optimizing artificial neural network’s weight. The technique of ANN learning that used in this system is feed forward neural network ANN, 9 input in input layer adapted by the amount of stroke risk factor, 3 neuron in hidden layer and 1 output in output layer, representing classification wheter someone is stroke or not, accuracy of JST result measured by SSE value.
The experiment of diagnosing stroke disease have been done and the result is compared to backpropagation ANN. Best result using GANN reach accuration level 100% at examination of data testing while backpropagation ANN only reach 96.67% . From the experiment conclude that optimized artifical neural network’s weight with genetic algortihm give better result than backpropagation ANN.
Keyword: Stroke, Stroke risk factor, Genetic algorithm, GANN, Feed forward neural network ANN, Backpropagation.