Pengaruh Normalisasi Data pada Jaringan Syaraf Tiruan Backpropagasi Gradient Descent Adaptive Gain (BPGDAG) untuk Klasifikasi
Abstract: Algoritma pelatihan
pada multilayer perceptron menggunakan
backpropagasi, biasanya fungsi akitvasi yang digunakan adalah fungsi sigmoid.
Fungsi tersebut akan membawanilai input dengan range yang tak terbatas ke nilai
output yang terbatas, yaitu dalam sebuah range 0 sampai 1. Supaya dapat membawa
range nilai output ke dalam range input, maka data input harus dilakukan
normalisasi data ke dalam range 0 sampai 1, sehingga outputnya dapat di
denormalisasi ke dalam range nilai input.Metode normalisasi ada bermacam-mcam,
masalahnya, metode mana yang paling
efektif untuk kasus klasifikasi menggunakan algoritma pelatihan BPGD/AG.
Penelitian ini akan menganalisa metode normalisasi mana yang paling efektif
untuk mengklasifikasi data pada algoritma BPGD/AG. Eksperimen dilakukan pada
data kanker payudara yang diklasifikasikan ke dalam kanker ganas dan kanker
jinak. Hasil evaluasi menunjukkan bahwa metode normalisasi Min-Max memberikan
akurasi tertinggi hingga 96.86% dengan rata-rata iterasi sebanyak 21
epoch.Algoritma pelatihan pada multilayer perceptron menggunakan backpropagasi, biasanya fungsi
akitvasi yang digunakan adalah fungsi sigmoid. Fungsi tersebut akan
membawanilai input dengan range yang tak terbatas ke nilai output yang
terbatas, yaitu dalam sebuah range 0 sampai 1. Supaya dapat membawa range nilai
output ke dalam range input, maka data input harus dilakukan normalisasi data
ke dalam range 0 sampai 1, sehingga outputnya dapat di denormalisasi ke dalam
range nilai input.Metode normalisasi ada bermacam-mcam, masalahnya, metode mana yang paling efektif untuk kasus
klasifikasi menggunakan algoritma pelatihan BPGD/AG. Penelitian ini akan
menganalisa metode normalisasi mana yang paling efektif untuk mengklasifikasi
data pada algoritma BPGD/AG. Eksperimen dilakukan pada data kanker payudara
yang diklasifikasikan ke dalam kanker ganas dan kanker jinak. Hasil evaluasi
menunjukkan bahwa metode normalisasi Min-Max memberikan akurasi tertinggi
hingga 96.86% dengan rata-rata iterasi sebanyak 21 epoch.
Penulis: Nurul Chamidah,
Wiharto, Umi Salamah
Kode Jurnal: jptinformatikadd120274