Pengaruh Normalisasi Data pada Jaringan Syaraf Tiruan Backpropagasi Gradient Descent Adaptive Gain (BPGDAG) untuk Klasifikasi

Abstract

Algoritma pelatihan pada multilayer perceptron  menggunakan backpropagasi, biasanya fungsi akitvasi yang digunakan adalah fungsi sigmoid. Fungsi tersebut akan membawanilai input dengan range yang tak terbatas ke nilai output yang terbatas, yaitu dalam sebuah range 0 sampai 1. Supaya dapat membawa range nilai output ke dalam range input, maka data input harus dilakukan normalisasi data ke dalam range 0 sampai 1, sehingga outputnya dapat di denormalisasi ke dalam range nilai input.Metode normalisasi ada bermacam-mcam, masalahnya,  metode mana yang paling efektif untuk kasus klasifikasi menggunakan algoritma pelatihan BPGD/AG. Penelitian ini akan menganalisa metode normalisasi mana yang paling efektif untuk mengklasifikasi data pada algoritma BPGD/AG. Eksperimen dilakukan pada data kanker payudara yang diklasifikasikan ke dalam kanker ganas dan kanker jinak. Hasil evaluasi menunjukkan bahwa metode normalisasi Min-Max memberikan akurasi tertinggi hingga 96.86% dengan rata-rata iterasi sebanyak 21 epoch.Algoritma pelatihan pada multilayer perceptron  menggunakan backpropagasi, biasanya fungsi akitvasi yang digunakan adalah fungsi sigmoid. Fungsi tersebut akan membawanilai input dengan range yang tak terbatas ke nilai output yang terbatas, yaitu dalam sebuah range 0 sampai 1. Supaya dapat membawa range nilai output ke dalam range input, maka data input harus dilakukan normalisasi data ke dalam range 0 sampai 1, sehingga outputnya dapat di denormalisasi ke dalam range nilai input.Metode normalisasi ada bermacam-mcam, masalahnya,  metode mana yang paling efektif untuk kasus klasifikasi menggunakan algoritma pelatihan BPGD/AG. Penelitian ini akan menganalisa metode normalisasi mana yang paling efektif untuk mengklasifikasi data pada algoritma BPGD/AG. Eksperimen dilakukan pada data kanker payudara yang diklasifikasikan ke dalam kanker ganas dan kanker jinak. Hasil evaluasi menunjukkan bahwa metode normalisasi Min-Max memberikan akurasi tertinggi hingga 96.86% dengan rata-rata iterasi sebanyak 21 epoch.