Text

Pengembangan Interface R-Shiny Untuk Implementasi Model Backpropagation Neural Network Pada Klasifikasi Kanker Payudara

---

ABSTRAK
Jaringan syaraf tiruan atau Neural Network (NN) adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf pada makhluk hidup. Salah satu jenis NN yang sering digunakan dalam pengklasifikasian adalah Backpropagation Neural Network (BPNN). BPNN merupakan model NN yang sering digunakan untuk pengklasifikasian karena tidak perlu menggunakan asumsi dan memiliki tingkat akurasi yang tinggi. Salah satu permasalahan klasifikasi yang dapat diselesaikan dengan BPNN adalah klasifikasi kanker payudara. Data kanker payudara yang digunakan dalam penelitian ini berasal dari website UCI Machine Learning. Kendala dari BPNN adalah pemrograman yang susah bagi pengguna yang tidak mengerti program, terutama pada program R. Oleh karena itu, untuk mempermudah pengguna dalam analisis BPNN maka dibuat aplikasi atau interface R-Shiny menggunakan program RStudio. Aplikasi atau interface R-Shiny yang telah dibuat memiliki beberapa kelebihan, yaitu proses aplikasi yang cepat dalam menampilkan hasil klasifikasi, penggunaan aplikasi yang user-friendly dan penggunaan aplikasi yang lebih mudah bila dibandingkan dengan harus menulis syntax seperti pada program R. Hasil klasifikasi BPNN menggunakan interface R-Shiny memiliki tingkat akurasi yang berbeda pada setiap percobaan dikarenakan pembagian data training & testing dilakukan secara acak. Percobaan yang dilakukan dalam penelitian ini menghasilkan rentang nilai akurasi mulai dari 58,33% sampai 91,67% dengan rata-rata akurasi sebesar 74,17%.

Kata Kunci : Neural Network, Backpropagation Neural Network, klasifikasi, kanker payudara, interface R-Shiny.

ABSTRACT
Artificial Neural Network or Neural Network (NN) is an information processing system that has similar characteristics to the neural network in living things. One type of NN that is often used in classification is Backpropagation Neural Network (BPNN). BPNN is an NN model that is often used for classification because it does not need to use assumptions and has high accuracy. One of the classification problems that can be solved with BPNN is the classification of breast cancer. The breast cancer data used in this study came from the UCI Machine Learning website. The problem with BPNN is that programming is difficult for users who do not understand the program, especially the R program. Therefore, to make it easier for users to analyze BPNN, an R-Shiny application or interface is created using the RStudio program. The application or R-Shiny interface that has been created has several advantages, namely the application process that is fast in displaying classification results, the use of user-friendly applications and the use of applications that are more comfortable when compared to having to write syntax such as in the R program. BPNN classification results use The R-Shiny interface has a different level of accuracy for each experiment due to the random distribution of training & testing data. The experiments conducted in this study resulted in a range of accuracy values ranging from 58.33% to 91.67% with an average accuracy of 74.17%.

Keyword : Neural Network, Backpropagation Neural Network, classification, breast cancer, R-Shiny interface.

---

Ketersediaan

820E20IV

820 E 20-iv

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

820 E 20-iv

Penerbit

: ., 2020

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Gustiyan Islahuzaman

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar