Khalid, Khalid and Bagus Setya, Rintyarna and Agus Zainal, Arifin (2011) Klasifikasi Data Cardiotocography dengan Integrasi Metode Neural Network dan Particle Swarm Optimization. In: IES 2011-Emerging Technology for Better Human Life, EEPIS Surabaya.
| PDF - Published Version Download (189Kb) | Preview |
Abstract
Backpropagation (BP) adalah sebuah metode yang digunakan dalam training Neural Network (NN) untuk menentukan parameter bobot yang sesuai. Proses penentuan parameter bobot dengan menggunakan metode backpropagation sangat dipengaruhi oleh pemilihan nilai learning rate (LR)-nya. Penggunaan nilai learning rate yang kurang optimal berdampak pada waktu komputasi yang lama atau akurasi klasifikasi yang rendah. Penelitian ini mengusulkan algoritma ParticleSwarm Optimization (PSO) dalam training Neural Network untuk optimasi penentuan nilai bobot Neural Network dalam klasifikasi data Cardiotocography. Principal Component Analysis (PCA) diimplementasikan untuk reduksi fitur data Cardiotocography. Berdasarkan hasil uji coba, implementasi Principal Component Analysis mampu meningkatkan akurasi klasifikasi sebesar rerata 0.04%. Sedangkan optimasi Particle Swarm Optimization pada proses training Neural Network menghasilkan peningkatan kecepatan komputasi sebesar rerata 6 kali pada berbagai jumlah Neuron dan nilai learning rate yang berbeda dengan nilai perbedaan akurasi klasifikasi yang tidak signifikan.
Item Type: | Conference or Workshop Item (Paper) |
---|---|
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
Depositing User: | ryo ryo |
Date Deposited: | 14 Nov 2011 12:24 |
Last Modified: | 14 Nov 2011 12:24 |
URI: | http://repo.pens.ac.id/id/eprint/1441 |
Actions (login required)
View Item |