Penerapan Metode Particle Swarm Optimization Pada Jaringan Saraf Tiruan Menggunakan Dataset Kanker Payudara

Abstrak

Jaringan saraf tiruan merupakan suatu sistem komputasi yang terinspirasi dari sel saraf biologis di dalam otak. Kelebihan dari metode jaringan adalah proses pembelajarannya, dimana setiap neuron mewakili input akan diproses sedemikian sehingga menghasilkan output yang sesuai atau mirip dengan data testing. Supaya mendapatkan hasil yang lebih optimal pada proses pembelajaran dapat diterapkan metode baru baik dari segi kecepatan eksekusi maupun nilai akurasi. Penelitian ini mencoba menerapkan algoritma particle swarm optimization pada jaringan saraf tiruan. Hasil yang diharapkan nantinya adalah PSO sebagai metode optimasi dapat meningkatkan hasil keluaran jaringan saraf tiruan.
    Dataset yang akan digunakan adalah database penderita kanker payudara yang diunduh dari UCI repository. 699 data yang terdapat pada database kanker payudara akan dibagi menjadi 66?ta pelatihan dan 34?ta pengujian. Beberapa faktor yang akan digunakan sebagai pembanding adalah waktu eksekusi dan nilai akurasi. Waktu eksekusi diperoleh dari catatan waktu dimulai dan berakhirnya satu kali proses running. Untuk nilai akurasi didapat dari penghitungan confusion matrix. Kondisi penelitian kali ini adalah 30x running dan 500 iterasi. Sedangkan untuk jaringan saraf tiruan yang dioptimasi oleh JST hanya menggunakan 25 iterasi dan 20 populasi. Penggunaan populasi inilah yang membedakan antara jaringan saraf tiruan sebelum dan sesudah optimasi.
 Setelah dilakukan penerapan PSO pada jaringan saraf tiruan, rata-rata waktu eksekusi selama satu kali proses running mengalami penurunan menjadi lebih cepat dan nilai akurasi mengalami peningkatan menjadi lebih akurat. Sehingga dapat disimpulkan bahwa algoritma PSO berhasil meningkatkan kinerja jaringan saraf tiruan baik dari segi waktu eksekusi dan nilai akurasi.

Kata Kunci - Jaringan Saraf Tiruan, Particle Swarm Optimization, kanker payudara