PENGOPTIMALAN KINERJA JARINGAN SARAF TIRUAN BACKPROPAGATION MENGGUNAKAN OPTIMASI ADAM DAN STOCHASTIC GRADIENT DESCENT PADA KASUS KLASIFIKASI KANKER PAYUDARA

Abstract

Kanker payudara merupakan salah satu penyebab kematian nomor dua terbanyak setelah kanker paru-paru, sehingga diperlukan proses deteksi dini yang diharapkan dapat meningkatkan angka harapan hidup penderita. Salah satu deteksi dini yang dapat dilakukan adalah dengan menggunakan fitur MicroRNA yaitu suatu protein non-coding RNA yang dapat dijadikan sebagai biomarker dalam proses deteksi penyakit kanker. Jaringan Saraf Tiruan (JST) Backpropagation menggunakan Stochastic Gradient Descent (SGD) merupakan salah satu metode yang dapat digunakan untuk melakukan klasifikasi. Namun JST Backpropagation SGD memiliki beberapa kelemahan seperti lambatnya jaringan dalam mencapai konvergensi. Untuk mengatasi masalah ini dalam penelitian ini akan dibangun sebuah jaringan dengan menggunakan optimasi Adam dan SGD. Hasil penelitian menunjukkan bahwa dengan menggunakan optimasi Adam dan dilanjutkan dengan SGD model dapat menghasilkan nilai akurasi dan training loss yang lebih baik dari pada Adam saja maupun SGD saja. Kata Kunci: Kanker payudara, MicroRNA, Jaringan Saraf Tiruan, Backpropagation, Stochastic Gradient Descent, Adam.