Deep Belief Network Sebagai Algoritma untuk Mendeteksi Penyakit Diabetes

Abstract

Menurut data International Diabetes Federation (IDF) dalam IDF Diabetes Atlas 2019
angka kematian akibat diabetes mencapai 4.2 juta, dan sekitar 463 juta orang dewasa (20 – 79
tahun) menderita diabetes. IDF juga menyebutkan bahwa angka prevalensi diabetes pada orang
dewasa di Indonesia adalah sebesar 6.2%, dengan total kasus diabetes pada orang dewasa sebesar
10.681.400. Oleh karena itu, masyarakat perlu waspada akan kondisi kesehatan mereka.
Deep Belief Network (DBN) merupakan algoritma dalam Jaringan Saraf Tiruan (JST) yang
memiliki potensi dan dapat dimanfaatkan untuk melakukan deteksi dini penyakit diabetes dengan
melakukan kalkulasi statistik. DBN dibentuk dengan menumpuk algoritma Restricted Boltzmann
Machine (RBM). Algoritma ini merupakan generative model yang sifatnya hierarkis dan dapat
menggambarkan fungsi yang memiliki variasi tinggi dan menemukan berbagai macam fitur.
Proses pendeteksian diabetes menggunakan DBN ini terdiri dari beberapa langkah. Langkah
pertama adalah persiapan data, di mana data yang digunakan merupakan dataset yang disediakan
oleh Datahub. Kedua, yaitu training algoritma DBN. Langkah terakhir, yaitu evaluasi dengan
menggunakan algoritma fine-tuning, yaitu Backpropagation (BP).
Hasil penelitian menunjukkan nilai rata-rata tingkat error yang sangat kecil dari DBN
dengan 15 layer, yaitu sebesar 0.055%. DBN juga telah dibuktikan mampu bekerja sebagai tahap
inisialisasi weights awal dalam BP. Hal ini ditunjukkan dengan peningkatan signifikan rata-rata
akurasi evaluasi pada tahap fine-tuning sebesar 22.616%, dibandingkan dengan BP yang
menggunakan weights bernilai 0 dan bilangan acak yang memiliki rata-rata akurasi 0.0%.