Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Teknik ITS
Adam Mizza Zamani
Unknown Affiliation
Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara Adam Mizza Zamani; Bilqis Amaliah; Abdul Munif
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (311.341 KB) | DOI: 10.12962/j23373539.v1i1.638

Abstract

Pada penelitian sebelumnya sudah dilakukan klasifikasi kanker payudara menggunakan kombinasi dari metode Neural Network (NN) dan Association Rules (AR). Namun metode ini dinilai masih belum optimal dikarenakan hasil rata-rata akurasinya yang menunjukkan angka kurang maksimal. Metode baru diusulkan dengan maksud untuk mencari solusi lebih baik dari metode sebelumnya dalam hal rata-rata akurasi, yaitu dengan menggunakan kombinasi metode klasifikasi Neural Network dan algoritma genetika. Metode Neural Network digunakan sebagai Artificial Intelligence untuk memprediksi kanker payudara, sedangkan algoritma genetika digunakan untuk optimasi parameter Neural Network seperti jumlah hidden layer dan learning rate agar akurasi yang dihasilkan bisa lebih bagus. Selain itu, penelitian ini bertujuan untuk membandingkan antara metode kombinasi Neural Network dan algoritma genetika dengan metode Naïve Bayesian. Metode evaluasi uji coba yang digunakan adalah metode 10 fold cross validation. Hasil uji coba 10 fold cross validation menunjukkan bahwa metode Neural Network yang optimasi parameternya menggunakan algoritma genetika menghasilkan rata-rata akurasi yang cukup tinggi yaitu 97,00%, lebih baik dari metode Naïve Bayesian yang menghasilkan rata-rata akurasi 96,24% dan juga lebih baik dari metode Neural Network dengan Association Rules yang menghasilkan rata-rata akurasi 95.6%.
Co-Authors ABDUL MUNIF Bilqis Amaliah