Perbandingan Algoritma Levenberg-Marquardt Dengan Backpropagation Untuk Mendiagnosa Jenis Penyakit Kandungan

Oleh :
Ayu Prabhawaningrum - M0509013 - Fak. MIPA

Algoritma levenberg-marquardt (LM) merupakan salah satu algoritma pembelajaran pada jaringan syaraf tiruan. Algoritma ini merupakan optimalisasi dari algoritma backpropagation gradient descent (BP) sehingga dalam proses pembelajaran, algoritma ini memiliki jumlah iterasi lebih sedikit dibandingkan algoritma BP. Penelitian ini membahas mengenai perbandingan algoritma LM dan BP untuk mendiagnosa jenis penyakit kandungan berdasarkan 18 gejala klinis dan dikategorikan menjadi empat jenis penyakit kandungan yaitu radang panggul, mioma uteri, kanker serviks dan kanker ovarium. Terdapat dua komponen utama yang akan diujikan yaitu kombinasi fungsi aktivasi dan jumlah neuron pada lapisan hidden. Fungsi aktivasi yang akan digunakan meliputi sigmoid bipolar, tangen hiperbolik, dan elliot. Sedangkan, jumlah neuron pada lapisan hidden yang akan digunakan adalah 7, 13, 17, 25, 29, dan 33. Selain itu, akan dibandingkan kecepatan iterasi serta akurasi antara algoritma LM dan BP. Hasil penelitian, menunjukkan bahwa algoritma LM memiliki jumlah iterasi yang lebih kecil dengan rata-rata 39 iterasi dan akurasi 81% dibandingkan dengan algoritma BP yang memiliki rata-rata 381 iterasi dengan tingkat akurasi 71%. Namun waktu pembelajaran yang dibutuhkan algoritma LM memiliki rata-rata 3373 ms sedangkan BP 939 ms. Kombinasi fungsi aktivasi dengan jumlah iterasi yang kecil dan akurasi yang besar pada kedua algoritma adalah tangen hiperbolik–sigmoid bipolar. Sedangkan jumlah neuron pada lapisan hidden tidak memberikan pengaruh yang signifikan baik terhadap iterasi maupun akurasi jaringan.