PERBANDINGAN PENERAPAN ALGORITMA NEURAL NETWORK BACKPROPAGATION DENGAN OPTIMASI ALGORITMA LBFGS DAN SGD UNTUK PREDIKSI PENYAKIT JANTUNG

Authors

  • Guntur Eka Saputra Universitas Gunadarma
  • Karmilasari Universitas Gunadarma
  • Adrian Faisal Universitas Gunadarma
  • Ahmad Apandi Universitas Gunadarma

Keywords:

ALGORITMA NEURAL NETWORK BACKPROPAGATION, ALGORITMA LBFGS DAN SGD, PENYAKIT JANTUNG

Abstract

Penyakit jantung merupakan penyakit tidak menular yang disebabkan kondisi adanya timbunan lemak di pembuluh darah arteri coroner pada jantung yang mengubah peran dan bentuk arteri, serta menghambat aliran darah menuju jantung. Faktor penyakit jantung dapat diprediksi dengan 14 atribut faktor yang dapat mempengaruhi prediksi penyakit jantung. Penelitian ini merupakan penelitian eksperimen dengan menggunakan data sekunder yang diharapkan data tersebut memiliki makna untuk mendapatkan suatu informasi dan pengetahuan. Data mining adalah proses mencari pola atau informasi bermakna dalam data terpilah dengan mengunakan suatu metode atau teknik tertentu. Metode yang digunakan dalam penelitian ini adalah algoritma neural network backpropagation dengan metode optimasi LBFGS dan SGD untuk melihat hasil akurasi perbandingan diantara dua metode optimasi tersebut. Berdasarkan hasil eksperimen ditunjukkan bahwa hasil akurasi dari 14 atribut faktor dengan menggunakan backpropagation dan metode optimasi LBFGS lebih baik dibandingkan SGD. Akurasi dengan metode optimasi LBFGS sebesar 85.3%, sedangkan SGD 83.6%, dan tingkat loss atau error dari LBFGS mendekati 0, yaitu 0.001152, sedangkan SGD sebesar 0.546822. Waktu pemrosesan CPU Times juga memiliki perbedaan yang cukup signifikan, metode LBFGS memproses selama 46.5 ms, sedangkan SGD sebesar 908 ms. Kata Kunci : penyakit jantung, data mining, backpropagation, optimasi, LBFGS, SGD

Published

2020-09-27