Skripsi
KOMBINASI GRAVITATIONAL SEARCH ALGORITHM DENGAN ALGORITMA BACKPROPAGATION NEURAL NETWORK DALAM MENINGKATKAN AKURASI KLASIFIKASI
Pengembangan diagnosis medis berdasarkan pembelajaran mesin dalam hal prediksi penyakit memberikan diagnosis yang lebih akurat dibandingkan dengan cara tradisional. Dalam hal memprediksi penyakit dapat menggunakan jaringan saraf tiruan. Jaringan saraf tiruan terdiri dari berbagai macam algoritma salah satunya Algoritma BPNN. Dalam makalah ini diusulkan sistem prediksi penyakit menggunakan algoritma BPNN. Algoritma BPNN sering digunakan dalam prediksi penyakit, tetapi algoritma BPNN terdapat sedikit kekurangan yaitu cenderung lama dalam mendapatkan nilai akurasi yang optimum. Oleh karena itu diperlukan kombinasi dengan menggunakan algoritma yang dapat mengatasi kekurangan algoritma BPNN tersebut dengan menggunakan keberhasilan algoritma Gravitational Search Algorithm yaitu dapat mengatasi konvergensi lambat dan masalah minimum lokal yang terdapat di algoritma BPNN. Sehingga penulis mengusulkan untuk mengkombinasikan algoritma BPNN menggunakan algoritma Gravitational Search Algorithm dengan harapan dapat meningkatkan hasil akurasi yang lebih baik dibandingkan hanya menggunakan algoritma BPNN saja. Hasil yang didapatkan menghasilkan tingkat akurasi yang lebih tinggi dengan jumlah iterasi yang sama dibandingkan hanya menggunakan BPNN saja. Dapat dilihat pada percobaan pertama data penyakit kanker payudara dengan parameter yaitu hidden layer sebesar 31, learning rate sebesar 0.s01 dan iterasi sebanyak 10000 menghasilkan akurasi sebesar 67.8 % pada Algoritma BPNN, sedangkan pada kombinasi BPNN & GSA mendapat akurasi sebesar 99.2 %.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2107004730 | T57943 | T579432021 | Central Library (REFERENCES) | Available but not for loan - Not for Loan |
No other version available