perbandingan algoritma levenberg marquardt …/per... · bp untuk mendiagnosa jenis penyakit...
TRANSCRIPT
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
PERBANDINGAN ALGORITMA LEVENBERG-MARQUARDT
DENGAN BACKPROPAGATION UNTUK MENDIAGNOSA
JENIS PENYAKIT KANDUNGAN
SKRIPSI
Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu
Jurusan Informatika
Disusun Oleh:
AYU PRABHAWANINGRUM
NIM. M0509013
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
September 2013
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
i
PERBANDINGAN ALGORITMA LEVENBERG-MARQUARDT
DENGAN BACKPROPAGATION UNTUK MENDIAGNOSA
JENIS PENYAKIT KANDUNGAN
SKRIPSI
Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu
Jurusan Informatika
Disusun Oleh:
AYU PRABHAWANINGRUM
NIM. M0509013
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
September 2013
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ii
SKRIPSI
PERBANDINGAN ALGORITMA LEVENBERG-MARQUARDT
DENGAN BACKPROPAGATION UNTUK MENDIAGNOSA
JENIS PENYAKIT KANDUNGAN
Disusun oleh :
AYU PRABHAWANINGRUM
M0509013
Skripsi ini telah disetujui untuk dipertahankan di hadapan Dewan Penguji
pada tanggal 23 Agustus 2013:
Pembimbing I
Wiharto, S.T., M.Kom NIP.19750210 200801 1 005
Pembimbing II
Umi Salamah,S.Si.,M.Kom.
NIP. 19700217 199702 2 001
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iii
SKRIPSI
PERBANDINGAN ALGORITMA LEVENBERG-MARQUARDT DENGAN
BACKPROPAGATION UNTUK MENDIAGNOSA JENIS PENYAKIT
KANDUNGAN
HALAMAN PENGESAHAN
Disusun oleh :
AYU PRABHAWANINGRUM
M0509013
Telah dipertahankan di hadapan Dewan Penguji
Pada tanggal 3 September 2013 :
Susunan Dewan Penguji
1. Wiharto, S.T., M.Kom
NIP.19750210 200801 1 005 ( )
2. Umi Salamah,S.Si.,M.Kom.
NIP. 19700217 199702 2 001 ( )
3. Esti Suryani, S.Si., M.Kom.
NIP. 19761129 200812 2 001 ( )
4. Abdul Azis S.Kom., M.Cs.
NIP. 19810413 200501 1 001 ( )
Disahkan oleh
Dekan FMIPA UNS
Prof.Ir.Ari Handono Ramelan,M.Sc.(Hons),Ph.D
NIP. 19610223 198601 1 001
Ketua Jurusan Informatika
Umi Salamah, S.Si., M.Kom
NIP. 19700217 199702 2 001
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iv
MOTTO
“Karena sesungguhnya sesudah kesulitan itu ada kemudahan. Sesungguhnya
sesudah kesulitan itu ada kemudahan. Maka apabila kamu telah selesai (dari
sesuatu urusan), kerjakanlah dengan sungguh-sungguh (urusan) yang lain”
(Q.S Al Insyirah : 5-7)
“Hidup itu seperti naik sepeda, agar tetap seimbang, kau harus terus bergerak”
(Albert Einstein)
“Jangan lihat masa lampau dengan penyesalan; jangan pula lihat masa depan
dengan ketakutan; tapi lihatlah sekitar anda dengan penuh kesadaran”
(James Thurber)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
v
PERSEMBAHAN
Kupersembahkan karya ini kepada :
Orang tuaku tercinta, mama dan papa Kakak yang aku sayangi, Hadi
Sahabatku Fera Feriyal Semua teman Informatika UNS khususnya angkatan 2009
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vi
PERBANDINGAN ALGORITMA LEVENBERG-MARQUARDT
DENGAN BACKPROPAGATION UNTUK MENDIAGNOSA JENIS
PENYAKIT KANDUNGAN
AYU PRABHAWANINGRUM Jurusan Informatika. Fakultas MIPA. Universitas Sebelas Maret.
ABSTRAK
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.
Kata Kunci: backpropagation gradient descent, diagnosa penyakit kandungan,
fungsi aktivasi, levenberg-marquardt.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vii
COMPARISON OF LEVENBERG–MARQUARDT ALGORITHM WITH
BACKPROPAGATION TO DIAGNOSE GYNECOLOGIC DISEASES
AYU PRABHAWANINGRUM Department of Informatics. Mathematic and Natural Science Faculty.
Sebelas Maret University
ABSTRACT
Levenberg-Marquardt algorithm is one of training algorithm in neural
network. This algorithm is optimalization from backpropagation gradient descent
so, for training process, this algorithm has a less iteration than backpropagation
gradient descent algorithm.This research discuss about comparison of levenberg-
marquardt algorithm with backpropagation to diagnose gynecologic diseases
based on 18 symptoms and categorized into four kind gynecologic diseases which
are, pelvic inflammatory disease, myoma uterus, cervical cancer, and ovarium
cancer.
There are two main components which will be tested, that are the
combination of activation function and the number of hidden neuron. The
activation which will be used are sigmoid bipolar, hyperbolik tangent and elliot.
Whereas the number of hidden neuron which will be used 7, 13, 17, 25, 29, and
33. Besides, will be compared the iteration and accuracy of LM and BP.
Results of this research shows that levenberg-marquardt algorithm has less
iteration which average is 39 and 81% of accuration than backpropagatin gradient
descent which has average 381 iterations with 71% accurate, but the average of
learning time needed in LM algorithm is 3373 ms while BP is 939 ms. The
combination of activation function with smallest iteration and highest accuration
is hyperolic tangent–sigmoid bipolar. Whereas, the number of hidden neuron
doesnt affect the network’s iteration and accuracy.
Keywords: activation function, backpropagation gradient descent, diagnose
gynecologic diseases, levenberg-marquardt.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
KATA PENGANTAR
Bismillahirrahmaanirrahiim
Puji dan syukur penulis panjatkan kehadirat Allah Subhanahu Wa Ta’ala
yang senantiasa memberikan nikmat dan karunia-Nya sehingga penulis dapat
menyelesaikan skripsi dengan judul Perbandingan Algoritma Levenberg-
Marquardt dengan Backpropagation untuk Mendiagnosa Jenis Penyakit
Kandungan, yang menjadi salah satu syarat wajib untuk memperoleh gelar
Sarjana Informatika di Universitas Sebelas Maret (UNS) Surakarta.
Penulis menyadari akan keterbatasan yang dimiliki, begitu banyak
bimbingan, bantuan, motivasi, serta semangat yang diberikan dalam proses
penyusunan skripsi ini. Oleh karena itu, ucapan terima kasih penulis sampaikan
kepada :
1. Bapak Wiharto, S.T., M.Kom. selaku Dosen Pembimbing I yang penuh
kesabaran membimbing, mengarahkan, dan memberi motivasi kepada
penulis selama proses penyusunan skripsi ini,
2. Ibu Umi Salamah,S.Si.,M.Kom, selaku Ketua Jurusan S1 Informatika dan
Dosen Pembimbing II yang penuh kesabaran membimbing, mengarahkan,
dan memberi motivasi kepada penulis selama proses penyusunan skripsi ini,
3. Bapak Didiek S. Wiyono. selaku Pembimbing Akademik yang telah banyak
memberi bimbingan dan pengarahan selama penulis menempuh studi di
Jurusan Informatika FMIPA UNS,
4. Pihak RSUD dr. Moewardi yang telah mengijinkan penulis untuk
mengambil data pada instansi tersebut,
5. Bapak dan Ibu dosen serta karyawan di Jurusan Informatika FMIPA UNS
yang telah mengajar penulis selama masa studi dan membantu dalam proses
penyusunan skripsi ini,
6. Mama, papa, kakak, dan sahabatku Fera yang telah memberikan semangat
dan motivasi kepada penulis selama penelitian ini dilaksanakan.
7. Teman–teman angkatan 2008 terutama mbak Anisa Atiliani dan mbak Wina
Isti Retnani yang telah memberikan dukungan dan bimbingan kepada
penulis selama penelitian ini dilaksanakan.
8. Teman–teman angkatan 2009, terutama Estining, Yoga dan Vicka yang telah
memberikan semangat kepada penulis selama ini.
Penulis berharap semoga skripsi ini dapat bermanfaat bagi semua pihak
yang berkepentingan.
Surakarta, Agustus 2013
Penulis
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
DAFTAR ISI
HALAMAN PENGESAHAN ................................................................................ iii
MOTTO .................................................................................................................. iv
PERSEMBAHAN ................................................................................................... v
ABSTRAK ............................................................................................................. vi
ABSTRACT .......................................................................................................... vii
KATA PENGANTAR ........................................................................................... viii
DAFTAR ISI .......................................................................................................... ix
DAFTAR GAMBAR ............................................................................................. xi
DAFTAR TABEL .................................................................................................. xii
DAFTAR LAMPIRAN ....................................................................................... xiii
BAB 1 PENDAHULUAN ...................................................................................... 1
1.1. Latar Belakang ................................................................................... 1
1.2. Rumusan Masalah .............................................................................. 3
1.3. Batasan Masalah ................................................................................ 3
1.4. Tujuan Penelitian ............................................................................... 4
1.5. Manfaat Penelitian ............................................................................. 4
1.6. Sistematika Penulisan ........................................................................ 4
BAB 2 TINJAUAN PUSTAKA .............................................................................. 6
2.1. Dasar Teori ......................................................................................... 6
2.1.1. Jaringan Syaraf Tiruan ....................................................................... 6
2.1.2. Penyakit Kandungan ........................................................................ 14
2.2. Penelitian Terkait ............................................................................. 19
BAB 3 METODOLOGI PENELITIAN ................................................................ 21
3.1. Tahap Awal ....................................................................................... 21
3.1.1. Studi Literatur .................................................................................. 21
3.1.2. Pengumpulan Data ........................................................................... 21
3.2. Analisis dan Perancangan ................................................................ 23
3.2.1. Skenario Pembelajaran .................................................................... 23
3.2.2. Penentuan Nilai Skenario ................................................................. 23
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
x
3.3. Implementasi .................................................................................... 24
3.3.1. Tahap Pembelajaran ......................................................................... 24
3.3.2. Tahap Pengujian ............................................................................... 24
3.4. Analisis Hasil ................................................................................... 24
BAB 4 HASIL DAN PEMBAHASAN ................................................................. 25
4.1. Tahap Pembelajaran ......................................................................... 25
4.1.1. Parameter µ, β, dan α ....................................................................... 25
4.1.2. Fungsi Aktivasi ................................................................................ 27
4.1.3. Neuron pada lapisan hidden ............................................................. 29
4.2. Tahap Pengujian ............................................................................... 31
4.2.1. Hasil Pembelajaran .......................................................................... 31
4.2.2. Pengujian ......................................................................................... 33
4.3. Analisis Hasil ................................................................................... 35
BAB 5 PENUTUP ................................................................................................ 38
5.1. Kesimpulan ...................................................................................... 38
5.2. Saran ................................................................................................ 39
DAFTAR PUSTAKA ............................................................................................ 40
LAMPIRAN .......................................................................................................... 42
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xi
DAFTAR GAMBAR
Gambar 2. 1. Arsitektur Jaringan Syaraf Tiruan Multilayer.................................... 7
Gambar 2. 2. Arsitektur Algoritma Backpropagation ............................................. 8
Gambar 2. 3. Flowchart algoritma BP ................................................................... 11
Gambar 2. 4. Flow chart algoritma LM. ............................................................... 14
Gambar 2. 5. Pembengkakan Tuba Fallopi Akibat PID ........................................ 15
Gambar 2. 6. Gambar Uterus Dengan Mioma Uterus Normal ............................. 16
Gambar 2. 7. Perkembangan Kanker Pada Serviks............................................... 17
Gambar 2. 8. Kanker Ovarium .............................................................................. 18
Gambar 4. 1. Rata– Rata Jumlah Iterasi dengan Nilai µ Berbeda ........................ 25
Gambar 4. 2. Rata–Rata Jumlah Iterasi dengan Nilai β Berbeda .......................... 26
Gambar 4. 3. Rata–Rata Jumlah Iterasi dengan Nilai α Berbeda .......................... 27
Gambar 4. 4. Grafik Penerunan MSE pada LM .................................................... 28
Gambar 4. 5. Grafik Penurunan MSE pada BP ..................................................... 29
Gambar 4. 6. Rata–Rata Jumlah Iterasi Neuron pada lapisan hidden berbeda ..... 30
Gambar 4. 7. Rata–Rata Running Time dengan Neuron pada lapisan hidden
Berbeda ............................................................................................ 31
Gambar 4. 8. Pengujian Akurasi Jumlah Neuron pada lapisan hidden ................. 33
Gambar 4. 9. Perbandingan Jumlah Iterasi Kedua Algoritma ............................... 33
Gambar 4. 10. Perbandingan Waktu Pembelajaran Algoritma LM dan BP .......... 34
Gambar 4. 11. Perbandingan Prosentase Akurasi LM dan BP .............................. 35
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xii
DAFTAR TABEL
Tabel 3. 1. Tabel gejala penyakit ........................................................................... 21
Tabel 3. 2. Kategori Output ................................................................................... 23
Tabel 4. 1. Pembelajaran Kombinasi Fungsi Aktivasi .......................................... 27
Tabel 4. 2. Pengujian Kombinasi Fungsi Aktivasi ................................................ 32
Tabel 4. 3. Hasil Percobaan pada Pengujian ......................................................... 36
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiii
DAFTAR LAMPIRAN
LAMPIRAN A ...................................................................................................... 43