Abstract
Fungsi Keanggotaan merupakan parameter yang penting pada penerapan logika Fuzzy, karena dari Fungsi Keanggotaan data dapat diketahui derajat keanggotaannya dan derajat keanggotaan memiliki pengaruh terhadap hasil akhir yang didapatkan. Pada perkembangan awal logika Fuzzy, pakar memiliki peran dalam menentukan batas fungsi keanggotaan. Namun pada perkembangannya sering tidak ditemukan pakar untuk menentukan batas fungsi keanggotaan. Sehingga berdasarkan permasalahan tersebut mulai dilakukan penelitian berkaitan dengan pembangkitan fungsi keanggotaan secara otomatis. Salah satu metode yang dapat digunakan untuk melakukan pembangkitan otomatis fungsi keanggotaan fuzzy adalah metode Backpropagation Neural Network. Proses pembangkitan batas fungsi keanggotan dengan menggunakan Backpropagation Neural Network dibagi dalam dua tahap yaitu tahap pelatihan dan pengujian, pada tahap pelatihan digunakan untuk memperbaiki nilai bobot. Sedangkan pada tahap pengujian dilakukan proses perhitungan nilai keluaran berdasarkan nilai bobot dari proses pelatihan. Data yang digunakan pada penelitian ini adalah data penderita penyakit hepatitis yang diperoleh dari UCI Machine Learning Repository. Proses pengujian yang dilakukan berdasarkan 3 tahapan yaitu pengujian Error Harap, Learning Rate, dan Uji Kombinasi Data Latih. Berdasarkan proses pengujian yang dilakukan didapatkan hasil fungsi keanggotaan optimal adalah pada nilai Error Harap 10-8, Learning Rate 0.9, jumlah data latih 64 data, jumlah data uji 16 data, serta MSE terbaik pada nilai 0.00000000000072651.
