45
menggunakan
pendekatan
back-propagation
feed-forward
dengan
dua
layer,
fungsi
aktivasi
sigmoid
dan
linear,
dan
algoritma
Levenberg
-
Marquardat.
Sistem
ini
dikembangkan
oleh
J.N.S.
Lopes,
A.N.A.
Goncalves,
R.Y.Fujimoto,
dan
J.C.C.
Carvalho
dan
diperkenalkan
pada
IJCSI
International Journal of Computer Science.
Sistem
ini
dibuat
untuk
membantu
diagnosa
penyakit
pada
ikan,
karena kompleksitas penyakit pada ikan cukup tinggi dan dapat menyebabkan
ikan
mati
dengan
cepat
jika
tidak
ditangani
oleh
pakar
yang
handal.
Kebanyakan
penyakit
yang
menyerang
ikan
disebabkan
oleh
bakteri
dan
protozoa. Penyakit tersebut sulit
untuk didiagnosa karena
tanda - tanda klinis
yang
tampak
kelihatan
sama,
perbedaannya
hanya
muncul
ketika
penyakit
tersebut
menjadi
lebih
akut.
Oleh
sebab
itu,
dibutuhkan
sebuah
sistem
yang
lebih
efektif
untuk
mendiagnosa
penyakit
yang
disebabkan
oleh
bakteri
dan
protozoa.
Metode
yang
digunakan
adalah
dengan
membuat
dua
back-
propagation
feed-forward
neural
network,
satu
untuk
bakteri
dan
yang
satu
lagi
untuk
penyakit
karena
protozoa.
Neural
network
dibuat
berdasarkan
kumpulan data berisi
gejala
gejala dari
ikan
yang terinfeksi dan diagnosanya.
Kumpulan
data
tersebut
yang
diperoleh
dari
Ichthyoparasitology
dan
Laboratorium Perikanan di Universitas Federal Brazil.
Data untuk neural network dibagi ke dalam dua bagian yaitu input dan
ouput. Data input berupa gejala klinis diberi nilai 1 jika gejalanya tampak dan
diberi nilai 0 jika tidak tampak. Output-nya berupa hasil diagnosa
penyakitnya. Neural network untuk mendiagnosa penyakit karena bakteri
terdiri dari 43 input, 20 neuron pada hidden layer dan 12 neuron pada output
layer, sedangkan untuk penyakit karena protozoa, terdiri atas 28 input, 22
neuron pada hidden layer dan 8 neuron pada output layer. Struktur network
ada pada gambar 2.30 dan 2.31
 |