Khawa Sukmawati, Ardi Pujiyanta
Jurnal Sarjana Teknik Informatika
e‐ISSN: 2338‐5197 Volume 2 Nomor 2, Juni 2014

Latar Belakang: Penyakit tulang adalah penyakit yang sering kali tidak di sadari oleh seseorang yang mungkin saja, orang tersebut sudah mengidap gejalagejala penyakit tersebut. Umumnya seseorang akan menyadari bahwa dia telah mengidap penyakit tulang, ketika kondisi tulangnya tidak memungkinkan lagi untuk diobati. Jadi untuk mengurangi resiko keluhan pada tulang, kita membutuhkan informasi lengkap dan memadai baik dari riset, internet dan petugas kesehatan. Dengan menjaga kesehatan tulang maka aktivitas dan kinerja seseorang pun menjadi lebih produktif. Berdasarkan keadaan yang seperti ini peran pakar kesehatan terutama di bidang penyakit Tulang sangat dibutuhkan karena faktor keterbatasan pengetahuan masyarakat mengenai penyakit tersebut. Tujuan dari penelitian ini untuk membangun suatu program Jaringan Syaraf Tiruan menggunakan metode backpropagation untuk mendiagnosa penyakit tulang.
Metodologi: yang digunakan dalam penelitian ini adalah studi pustaka, observasi dan wawancara. Untuk tahap pengembangan sistem meliputi analisis kebutuhan sistem, perancangan sistem, implementasi sistem, pengujian sistem dengan metode black box test dan alpha test. Dalam penelitian ini, gejala – gejala penyakit tulang yang digunakan sebagai input untuk mendeteksi penyakit terdiri dari 42 gejala dan 10 macam jenis penyakit. Arsitektur jaringan syaraf tiruan dengan 42 neuron input, meng guna kan 1 hidden layer dengan melaku kan perubahan jumlah neuron hidden sebagai percobaan yaitu 21 neuron hidden kemudian diganti menjadi 42 neuron hidden, serta terdapat 10 neuron output. Perangkat lunak ini dibuat menggunakan bahasa pemrograman Borland Delphi 7 dan Microsoft Acces 2010.
Hasil: Dari penelitian yang dilakukan menghasilkan sebuah perangkat lunak aplikasi deteksi penyakit Tulang menggunakan Jaringan Syaraf Tiruan dengan metode Backpropagation sebagai sarana konsultasi kesehatan tentang penyakit tulang. Berdasarkan pengujian yang dilakukan maka aplikasi jaringan syaraf tiruan yang terbentuk dapat mengenali pola yang ada dengan akurasi tertinggi yaitu 90% menggunakan nilai learning rate (α) = 0.1, 42 neuron hidden, fungsi aktivasi yang dipakai adalah fungsi logsig (sigmoid biner), dan metode pelatihan yang dipakai adalah metode trial and error. Aplikasi ini telah diuji coba oleh para responden yang dapat memberikan hasil cukup baik sesuai kebutuhan.