Implementasi Metode ANN untuk Klasifikasi Diagnosis Tiroid Berbasis Aplikasi Mobile
Abstract
Kelenjar tiroid memegang peranan penting dalam pengaturan metabolisme melalui produksi hormon yang memengaruhi pertumbuhan, pembentukan protein, serta distribusi oksigen dalam tubuh. Gangguan pada organ ini, seperti gondok dan nodul, merupakan masalah endokrin yang umum terjadi di seluruh dunia. Sayangnya, banyak kasus tidak terdeteksi dini akibat gejala yang tidak khas dan kerap diabaikan. Dengan demikian, dibutuhkan metode deteksi dini yang memiliki tingkat keandalan tinggi. Penelitian ini mengaplikasikan metode Artificial Neural Network (ANN) sebagai pendekatan klasifikasi berbasis machine learning untuk identifikasi gangguan pada kelenjar tiroid. Model ANN yang dibangun kemudian diintegrasikan ke dalam aplikasi Android dengan antarmuka yang ramah pengguna. Evaluasi performa menunjukkan akurasi 97%, precision 99%, recall 97%, dan f1-score 98%, mencerminkan kapabilitas model dalam mengenali pola data yang kompleks secara konsisten. Integrasi sistem ke dalam platform mobile terlaksana dengan lancar, menghasilkan alat pendukung diagnosis awal yang efektif dan mudah dijangkau.
Keywords
Full Text:
PDFReferences
Ariyani, P. F. (2025). Implementasi Metode Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Harga Emas. 13, 85–91.
Cut, R., Waris, T., Irfani, F. N., & Bimantara, A. (2024). GAMBARAN KADAR PEMERIKSAAN THYROID STIMULATING HORMONE ( TSH ) DAN FREE THYROXINE ( FT4 ) PADA PASIEN. 5, 10698–10704.
Hariyanto, D., Sastra, R., Putri, F. E., Informasi, S., Kota, K., Komputer, T., Informasi, S., Informatika, B. S., & Pusat, J. (2021). Implementasi Metode. Jurnal Al-Ilmi, 13(1), 110–117.
Hasanah, N. F., & Untari, S. R. (2020). REKAYASA PERANGKAT LUNAK. UMSIDA Press.
Henisaniyya, N., Pertiwi, C., Desiani, A., Amran, A., & Arhami, M. (2025). Klasifikasi Class Thyroid menggunakan Algoritma ID3 dan Artificial Neural Network ( ANN ) Classification of Thyroid Class using ID3 Algorithm and Artificial. 14, 1–14.
Islam, S. S., Haque, M. S., Miah, M. S. U., Sarwar, T. Bin, & Nugraha, R. (2022). Application of machine learning algorithms to predict the thyroid disease risk: an experimental comparative study. PeerJ Computer Science, 8, 1–35. https://doi.org/10.7717/PEERJ-CS.898
Mangaku, A., Wiyono, W. I., & Mpila, D. A. (2024). Evaluasi Penggunaan dan Potensi Interaksi Obat pada Pasien Gangguan Tiroid Evaluation of Drug Uses and Potential Drug Interactions in Patients with Thyroid Disorders. 12(3), 454–461.
Nurhadi, & Billy, H. (2024). TIRUAN DAN DEEP LEARNING DALAM DIAGNOSA DEMAM BERDARAH DAN TIFUS. 16(2).
Putra, M. R. A., & Handayani, R. N. (2024). Perbandingan Algoritma Decision Tree dan Random. 5(2), 166–172.
Sastya, N. C., & Nugraha, I. (2023). Penerapan Metode CRISP-DM dalam Menganalisis Data untuk Menentukan Customer Behavior di MeatSolution. Unistek, 10(2), 103–115. https://doi.org/10.33592/unistek.v10i2.3079
Shakir, Y. H. (2021). Thyroid Disease Detection using Deep Learning. https://www.kaggle.com/code/yasserhessein/thyroid-disease-detection-using-deep-learning
Syahputra, A. R., & Hanifah, M. R. (2024). Metode Analisis Kesehatan Dengan Mengguakan Mechine Learning Atau Artificial Inteligenci Atau Data Mining Literature Review.
Yusuf, L., & Hidayatulloh, T. (2024). Implementasi Algoritma Artificial Neural Network dengan Aktivasi ReLU: Klasifikasi Tiroid. Swabumi, 12(1), 113–119.
DOI: https://doi.org/10.30998/jrami.v6i04.14502
Refbacks
- There are currently no refbacks.
Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) indexed by:







