PRATAMA, AZRIL BAGAS (2023) OPTIMALISASI BACKPROPAGATION PADA JARINGAN SARAF TIRUAN DENGAN ALGORITMA RMSPROP DAN RMSPROPW. Undergraduate thesis, UNDIP.

	Text PENDAHULUAN fix - ML-84 Azril Bagas Pratama.pdf Download (750kB)
	Text Tugas Akhir_Azril_24010118130102 - ML-84 Azril Bagas Pratama.pdf Restricted to Repository staff only Download (838kB) | Request a copy
	Text Dafpus Azril - ML-84 Azril Bagas Pratama.pdf Download (593kB)

Abstract

Gagal jantung merupakan penyakit kardiovaskular utama yang sering terjadi di seluruh dunia. Penelitian ini menggunakan machine learning, khususnya jaringan saraf tiruan (JST) dengan algoritma backpropagation, untuk mendeteksi dini penyakit kardiovaskular. Algoritma optimasi yang diaplikasikan meliputi RMSProp dan RMSPropW. RMSProp menerapkan rata-rata bergerak dari gradien kuadrat untuk setiap bobot, sementara RMSPropW menggabungkan regularisasi weight decay. Model yang memanfaatkan RMSProp dan RMSPropW menunjukkan kinerja yang lebih baik dalam prediksi kelangsungan hidup pasien, dibandingkan model yang hanya menggunakan gradient descent. Model RMSPropW dengan learning rate 0.0001 dan weight decay 0.5 mencapai akurasi 85% dan sensitivitas 91%. Hasil ini menggambarkan bahwa penggunaan algoritma optimasi RMSProp dan RMSPropW dalam JST dapat membantu mendeteksi dini penyakit kardiovaskular dengan akurasi dan sensitivitas yang tinggi, sehingga berpotensi meningkatkan kualitas hidup pasien.

Actions (login required)

View Item