Authors:

Kiki Dwi Prebiana, I Gede Santi Astawa, I Wayan Supriana

Abstract:

“Klasifikasi adalah proses membedakan sekumpulan model kedalam beberapa kelas data. Salah satu algoritma yang dapat digunakan untuk proses klasifikasi adalah Jaringan Syaraf Tiruan. Salah satu proses yang memepengaruhi proses Jaringan Syaraf Tiruan adalah proses pembobotan jaringan antar neuron pada Jaringan Syaraf Tiruan. Terdapat beberapa metode yang dapat digunakan dalam proses pencarian bobot, seperti algoritma genetika dan Particle Swarm Optimization atau PSO. PSO adalah salah satu metode optimasi pada Artificle Intelegent. Pada penelitian ini akan dilakukan proses pengujian pengaruh parameter PSO terhadap hasil akurasi yang diperoleh oleh Jaringan Syaraf Tiruan. Dari penelitian yang telah dilakukan nilai parameter terbaik PSO yang digunakan adalah w=0.8, c1=1.5, dan c2 = 2.2. Dari penelitian tersebut menunjukan bahwa optimasi pebobotan dengan Particle Swarm Optimization (PSO) dapat meningkatkan rata – rata nilai akurasi sebesar 0.5%.”

Keywords

Keyword Not Available

Downloads:

Download data is not yet available.

References

References Not Available

PDF:

https://jurnal.harianregional.com/jlk/full-61363

Published

2020-11-24

How To Cite

PREBIANA, Kiki Dwi; SANTI ASTAWA, I Gede; SUPRIANA, I Wayan. Optimization of Artificial Neural Network Weighting in Breast Cancer Classification.JELIKU (Jurnal Elektronik Ilmu Komputer Udayana), [S.l.], v. 9, n. 1, p. 151-160, nov. 2020. ISSN 2654-5101. Available at: https://ojs.unud.ac.id/index.php/JLK/article/view/61363. Date accessed: 28 Aug. 2025. doi:https://doi.org/10.24843/JLK.2020.v09.i01.p15.

Citation Format

ABNT, APA, BibTeX, CBE, EndNote - EndNote format (Macintosh & Windows), MLA, ProCite - RIS format (Macintosh & Windows), RefWorks, Reference Manager - RIS format (Windows only), Turabian

Issue

Vol 9 No 1 (2020): JELIKU Volume 9 No 1, Agustus 2020

Section

Articles

Creative Commons License This work is licensed under a Creative Commons Attribution 4.0 International License