Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pembangunan sistem pendeteksi penyalahgunaan narkoba menggunakan algoritma jaringan syaraf tiruan metode backpropagation
Dwi Putri Pangrestu NIM. (2014) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Badan Narkotika Nasional (BNN) mencatat hingga tahun 2013 jumlah penyalahguna narkoba di Indonesia mencapai empat juta jiwa. Penyalahgunaan narkoba memberikan banyak dampak negatif baik dari segi psikis, fisik maupun sosial. Untuk itu diperlukan kewaspadaan serta kepedulian terhadap sesama agar bisa menekan jumlah penyalahguna yang semakin tahun semakin bertambah. Salah satu caranya adalah dengan dibuka panti rehabilitasi untuk umum. Sebelum rehabilitasi, para penyalahguna menghadapi serangkaian tes untuk mengetahui jenis narkoba yang disalahgunakan. Tes yang sering digunakan adalah tes urin, darah, rambut, keringat dan lain-lain. Namun kendala waktu, biaya serta fasilitas yang minim di beberapa daerah membuat pendeteksian seseorang menderita narkoba menjadi terhambat. Seiring berkembangnya teknologi, memungkinkan pendeteksian narkoba melalui suatu program komputer yang telah diberikan pengetahuan atau kecerdasan buatan. Berdasarkan hal di atas, dibangunlah suatu sistem pendeteksi penyalahgunaan narkoba menggunakan algoritma jaringan syaraf tiruan (JST) metode backpropagation. Jaringan syaraf tiruan yang dibentuk terdiri atas lapisan masukan yang merupakan representasi dari gejala efek samping penyalahgunaan narkoba, lapisan tersembunyi adalah hasil proses konvergensi dengan epoch terkecil dan lapisan keluaran merupakan representasi dari output yang diharapkan yaitu Narkotika, Psikotropika, dan Zat Adiktif Lain. Bahasa pemrograman yang digunakan untuk membangun sistem adalah JAVA dengan database MySQL.Setelah dilakukan pelatihan dengan berbagai macam kombinasi pelatihan (pembelajaran), didapat hasil yang paling baik adalah dengan menggunakan kombinasi pembelajaran (learning rate) 0.3 dengan target error 0.01 yang menghasilkan RMSE (Root Mean Square Error) 0.099671 pada epoch ke-891. Dari hasil pengujian sistem, didapat akurasi atau keberhasilan memprediksi jenis narkoba yang disalahgunakan sebesar 70%.
Ringkasan Alternatif
The National Narcotics Agency ( BNN ) recorded up to the year 2013 the number of drug users in Indonesia reached four million. Drug abuse gives a lot of negative effects both in terms of psychological, physical and social. It required vigilance and concern for others in order to reduce the number of abusers are increasingly growing years. One way is to open a rehabilitation center for the public. Before rehabilitation, the abusers face a series of tests to determine what type of drug abused. Tests are often used include such biological tests to detect through urine, blood, hair, sweat and others. However, the constraints of time, cost and minimum facilities in some areas makes detection of a person suffering from drug becomes obstructed. And with the development of today's technology, enabling the detection of the type of drug that is consumed by a person through a computer program that has been given the knowledge or artificial intelligence.Therefore, built a system of receipts drug abuse detection algorithm neural network (ANN) backpropagation method. Neural network consists of layers formed input which is a representation of the symptoms of the side effects of drug abuse, a hidden layer is the result of the convergence process with the smallest epoch and output layers is representative of the expected output, namely narcotics, psychotropic and addictive substances. JAVA programming language and MySQL database is used to build the system. After training with various combinations of training (learning), obtained the best result is to use a combination of learning rate 0.3 with a target error which resulted in RMSE 0.01 (Root Mean Square Error) to 0.099671 in epoch 891. From the results of the testing system, to predict the success obtained accuracy or types of drugs being abused by 70%.