Implementasi Extreme Learning Machine Untuk Deteksi Dini Infeksi Menular Seks (IMS) Pada Puskesmas Dinoyo Kota Malang

Abstrak

Infeksi Menular Seksual (IMS) merupakan masalah kesehatan masyarakat yang cukup besar di dunia. Insiden kasus IMS pada banyak negara berkembang seperti kegagalan dalam mendiagnosis dan memberikan pengobatan pada stadium dini dapat menimbulkan komplikasi serius. Penggunaan sistem cerdas dapat mempermudah mendeteksi dini IMS secara komputasi. Parameter inputan yang diperlukan berupa 39 fitur yang terdiri dari 2 jenis kelamin, 9 faktor resiko, dan 29 gejala. Proses analisa identifikasi gejala dini IMS menggunakan Extreme Learning Machine (ELM). Implementasi ELM tidak memerlukan rule IMS yang terkait dengan aturan melainkan membandingkan hasil penentuan keduanya. Jadi jika terjadi perubahan perhitungan maupun ketentuan identifikasi tidak mempengaruhi perhitungan ELM. Metode ELM digunakan untuk menentukan penyakit IMS menjadi sejumlah 17 kelas. Hasil terbaik dari tiga skenario pengujian tingkat akurasi antara hasil perhitungan ELM dengan hasil diagnosis pakar sebesar 36,36% untuk rasio 90:10, 50% untuk 100 hidden layer, dan 31.82% untuk weight range -1 sampai 0.