Tugas 3: Klasifikasi Diagnosis Penyakit Diabetes dengan Multilayer Perceptron (MLP)

Eksperimen pemodelan Jaringan Syaraf Tiruan tipe Multilayer Perceptron (MLP) untuk melakukan klasifikasi biner diagnosis risiko diabetes berbasis fitur klinis kesehatan pasien.

1. Struktur Arsitektur Jaringan Syaraf

Lapisan Masukan: Menerima fitur klinis mencakup tingkat glukosa darah, tekanan darah diastolik, ketebalan lipatan kulit trisep, kadar insulin serum, indeks massa tubuh (BMI), dan usia pasien.
Lapisan Tersembunyi (Hidden Layer): Terdiri dari neuron komputasi dengan fungsi aktivasi nonlinier untuk menangkap korelasi non-linier antar variabel fisiologis tubuh.
Lapisan Luaran (Output Layer): Satu neuron dengan fungsi aktivasi Sigmoid untuk menghasilkan nilai estimasi probabilitas pasien positif mengidap diabetes.

2. Optimasi Pelatihan dan Evaluasi Metrik

Model dilatih menggunakan algoritma optimasi Backpropagation dengan penyesuaian hyperparameter laju pembelajaran (learning rate $\eta$ ), momentum, dan jumlah putaran pelatihan (epochs). Evaluasi performa model diukur menggunakan Confusion Matrix untuk mendapatkan skor akurasi, sensitivitas (recall), presisi, dan F1-Score.

3. Berkas Tugas Terlampir

Skrip program Python pelatihan model: MLP_Diabetes_Kelompok.py yang mengimplementasikan pipeline pembacaan dataset, normalisasi data, arsitektur feedforward, loop pelatihan backpropagation, dan pengujian.
Berkas dataset klinis: diabetes(kk Hilmie).xlsx yang berisi data rekam medis pasien untuk fase training dan testing.

Tugas 3: Klasifikasi Diagnosis Penyakit Diabetes dengan Multilayer Perceptron (MLP)