Diabetes retina merupakan gejala komplikasi dari penyakit Diabetes Mellitus yang menyebabkan retina tidak dapat mengirimkan gambar penglihatan ke otak secara normal akibat peningkatan glukosa pada darah. Identifikasi penyakit diabetes retina masih sering dibahas oleh banyak peneliti. Dalam skripsi ini algoritma backpropagation akan digunakan untuk mengidentifikasi penyakit diabetes retina. Dataset yang akan digunakan dalam skripsi ini yaitu dataset Diabetic Retinopathy Debrecen diambil dari UCI Repository Machine Learning sebanyak 1151 data yang terdiri dari 19 atribut dan 1 atribut menunjukkan kelas yang akan dibentuk. Dengan menggunakan software weka 3.8.3. Identifikasi penyakit diabetes retina dimulai dengan mengubah data kelas (output) dari numerik diubah menjadi kategorik. Data kemudian dilakukan proses klasifikasi menggunakan algoritma backpropagation dengan menentukan inisialisasi awal bobot, inisialisasi awal learning rate, inisialisasi awal jumlah note pada lapisan tersembunyi (hidden layer), jumlah iterasi maksimal (epoch). Performa hasil identifikasi menggunakan algoritma backpropagation memberikan hasil akurasi tertinggi sebesar 74,2029% dan waktu yang dibutuhkan 6,13 detik note hidden layer 6 learning rate 0,25 dan maksimum epoch 1000.
Diabetic Retinopathy is a complication of Diabetes Mellitus which causes the retina to be unable to transfer visual images to the brain normally. Identification of diabetic retinopathy is still frequently visited by many researchers In this paper the Backpropagation algorithm will be used for classification of Diabetic Retinopathy. The dataset that will be used in this paper is the dataset of Debrecen Diabetic Retinopathy taken from the 1151 UCI Repository Machine Learning data consisting of 19 attributes and 1 attribute adding classes to be formed. Using Weka software 3.8.3, starting diabetic retinopathy disease begins by changing the class data (output) from numerically converted to categorical. The data is then carried out by the classification process using the Backpropagation algorithm by determining the initialize weight, initialize learning rate, initialize note hidden layer, maximum epoch. The performance of the test results using the Backpropagation algorithm gives the highest test results of 74,2029% and the time taken 6.13 seconds, with note hidden layer 6, learning rate 0,25 and maximum epoch 1000.