Penulis : Muhammad Robby, Mahasiswa Teknik Informatika Universitas Pamulang
Teknologi Pada saat ini berkembang begitu cepat. Banyak teknologi yang sudah diciptakan dengan menggabungkan beberapa bidang Kecerdasan Buatan.[1]. Banyaknya kemajuan yang telah dibuat oleh pengembangan dalam teknologi kecerdasan buatan, Di antaranya diprakarsai oleh sistem jaringan saraf biologis. Para Ilmuwan dan peneliti telah merancang jaringan saraf tiruan yang bertujuan untuk memecahkan masalah yang berkaitan dengan prediksi, pengoptimalan, pengenalan pola, kontrol, dan asosiatif [2]. Jaringan Syaraf Tiruan adalah suatu paradigma pengolahan informasi yang terinspirasi dari sistem kerja syaraf biologis, contohnya seperti kinerja otak, yang memproses suatu informasi. Salah satu metode yang digunakan dalam Jaringan Syaraf Tiruan adalah Backpropagation. Backpropagation adalah algoritma pembelajaran yang digunakan untuk memperkecil tingkat error dengan menggunakan cara menyesuaikan bobotnya berdasarkan dari perbedaan output dan target yang diinginkan [3].
Jaringan saraf tiruan merupakan suatu fungsi model matematika. JST termasuk sistem kecerdasan buatan yang merupakan usahanya dalam menirukan intelegensi manusia, belum mengadakan untuk pendekatan dalam bentuk fisiknya melainkan dari sisi yang lainnya [4].
Dari beberapa tulisan telah disebutkan bahwa algoritma pembelajaran jaringan saraf tiruan merupakan penyelesaikan permasalahan model deret berkala non linier dengan algoritma pembelajaran backpropagation. Dalam Jaringan Saraf Tiruan merupakan suatu sistem pemrosesan informasi yang memiliki karakteristik seperti menyerupai jaringan saraf biologi (JSB) [5].
Mengingat faktor yang menyebabkan Penyakit jantung koroner sangat kompleks maka suatu peluang seseorang untuk terkena PJK juga sangat tinggi, sehingga diperlukannya suatu solusi untuk menyelesaikan masalah tersebut dengan bentuk pemodelan. Dalam hal ini JST merupakan salah satu bentuk khusus untuk pemrograman komputasi yang dapat digunakan dalam membuat pemodelan penyakit jantung koroner. Algoritma JST yang tepat diterapkan dalam masalah ini adalah backpropagation karena dapat mempredikisi seseorang tergolong penderita berdasarkan data rekam medis yang lain [6].
Dengan demikian, Pada penggunaan teknologi Artifical intelligent mempunyai potensi besar untuk membantu manusia salah satunya dalam bidang kesehatan contohnya seperti meningkatkan efektifitas kerja serta dapat meningkatkan kemungkinan keberhasilan dalam pengobatan medis. Implementasinya seperti diagnose penyakit, tentang status kesehatan, perawat virtual, konsultasi tentang kesehatan atau pencarian solusi berdasarkan hasil diagnosa.
Referensi
[1]. Aisyah, S., Dharma, A., & Turnip, M. JARINGAN SYARAF TIRUAN PREDIKSI PENYAKIT LUDWIG ANGINA.
[2]. Rizki, M., & Dhika, H. (2021). ANALISIS PENGAPLIKASIAN JARINGAN SARAF TIRUAN DALAM KEAMANAN JARINGAN KOMPUTER. MULTITEK INDONESIA, 14(2), 121-130.
[3]. Ramadhan, A. I., Hardinata, J. T., & Purba, Y. P. (2021). Analisa Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Prestasi Siswa SMA Muhammadiyah Serbelawan. Brahmana: Jurnal Penerapan Kecerdasan Buatan, 3(1), 18-26.
[4]. Alkhairi, P., Damanik, I. S., & Windarto, A. P. (2019, September). Penerapan Jaringan Saraf Tiruan untuk Mengukur Korelasi Beban Kerja Dosen Terhadap Peningkatan Jumlah Publikasi. In Prosiding Seminar Nasional Riset Information Science (SENARIS) (Vol. 1, pp. 581-601).
[5]. Simbolon, D. A., Hartama, D., & Anggraini, F. (2019). Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Gizi Balita Pada Puskesmas Siantar Utara Kota Pematangsiantar. Brahmana: Jurnal Penerapan Kecerdasan Buatan, 1(1), 48-54.
[6]. Rahakbauw, D. L., Lembang, F. K., & Taihuttu, Y. M. (2016). Analisis dan Prediksi Penyakit Jantung Koroner di Kota Ambon Menggunakan Jaringan Saraf Tiruan. Barekeng: Jurnal Ilmu Matematika dan Terapan, 10(2), 97-105.
Note : Penulis bertanggung jawab atas semua isi tulisannya