perpustakaan.uns.ac.id
digilib.uns.ac.id
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 commit to user September 2013
perpustakaan.uns.ac.id
digilib.uns.ac.id
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 commit to user September 2013 i
perpustakaan.uns.ac.id
digilib.uns.ac.id
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
Pembimbing II
Wiharto, S.T., M.Kom NIP.19750210 200801 1 005
Umi Salamah,S.Si.,M.Kom. NIP. 19700217 199702 2 001
commit to user
ii
perpustakaan.uns.ac.id
digilib.uns.ac.id
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
Ketua Jurusan Informatika
Prof.Ir.Ari Handono Ramelan,M.Sc.(Hons),Ph.D commit to user NIP. 19610223 198601 1 001
iii
Umi Salamah, S.Si., M.Kom NIP. 19700217 199702 2 001
perpustakaan.uns.ac.id
digilib.uns.ac.id
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)
commit to user
iv
perpustakaan.uns.ac.id
digilib.uns.ac.id
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
commit to user
v
perpustakaan.uns.ac.id
digilib.uns.ac.id
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 ratarata 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.
commit to user
vi
perpustakaan.uns.ac.id
digilib.uns.ac.id
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 levenbergmarquardt 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.
commit to user
vii
perpustakaan.uns.ac.id
digilib.uns.ac.id
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 LevenbergMarquardt 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
commit to user
viii
Penulis
perpustakaan.uns.ac.id
digilib.uns.ac.id
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.
commit to user Penentuan Nilai Skenario ................................................................. 23
ix
perpustakaan.uns.ac.id
3.3.
digilib.uns.ac.id
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
commit to user
x
perpustakaan.uns.ac.id
digilib.uns.ac.id
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
commit to user
xi
perpustakaan.uns.ac.id
digilib.uns.ac.id
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
commit to user
xii
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR LAMPIRAN
LAMPIRAN A ...................................................................................................... 43
commit to user
xiii