ANALISIS DAN IMPLEMENTASI
ALGORITMA KELELAWAR SEBAGAI FITUR SELEKTOR DALAM KLASIFIKASI DERMATOLOGY
KOMPETENSI KOMPUTASI
SKRIPSI
KETUT ARDHA CHANDRA NIM. 1208605036
PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA
SURAT PERNYATAAN KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini menyatakan bahwa naskah Skripsi dengan judul:
ANALISIS DAN IMPLEMENTASI
ALGORITMA KELELAWAR SEBAGAI FITUR SELEKTOR DALAM KLASIFIKASI DERMATOLOGY
Nama : Ketut Ardha Chandra
NIM : 1208605036
Program Studi : Teknik Informatika
E-mail : ketutardhachandra@gmail.com
Nomor telp/HP : 082236526792
Alamat : Br. Dinas Tangguntiti, Selemadeg Timur, Tabanan
Belum pernah dipublikasikan dalam dokumen skripsi, jurnal nasional maupun
internasional atau dalam prosiding manapun, dan tidak sedang atau akan diajukan untuk
publikasi di jurnal atau prosiding manapun. Apabila di kemudian hari terbukti terdapat
pelanggaran kaidah – kaidah akademik pada karya ilmiah saya, maka saya bersedia
menanggung sanksi – sanksi yang dijatuhkan karena kesalahan tersebut, sebagaimana diatur
oleh Peraturan Mentri Pendidikan Nasional Nomor 17 Tahun 2010 tentang Pencegahan dan
Penanggulangan Plagiat di Perguruan Tinggi.
Demikian Surat Pernyataan ini saya buat dengan sesungguhnya untuk dapat
dipergunakan bila mana diperlukan.
Bukit Jimbaran, Juli 2016
Yang membuat pernyataan,
(Ketut Ardha Chandra)
NIM. 1208605036
ANALISIS DAN IMPLEMENTASI
KOMPETENSI KOMPUTASI [SKRIPSI]
Sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Udayana
Tulisan ini merupakan hasil penelitian yang belum pernah dipublikasikan
KETUT ARDHA CHANDRA
NIM. 1208605023
Pembimbing I Pembimbing II
I Made Widiartha, S.Si, M.kom
NIP. 19821220 200801 1 008
Agus Muliantara, S.Kom, M.Kom
LEMBAR PENGESAHAN TUGAS AKHIR
Judul Skripsi : Analisis dan Implementasi Algoritma Kelelawar sebagai Fitur Selektor dalam Klasifikasi Dermatology
Kompetensi : Komputasi
Nama : Ketut Ardha Chandra
NIM : 1208605036
Tanggal Seminar : 25 Juli 2016
Disetujui oleh :
Pembimbing I Penguji I
I Made Widiartha, S.Si, M.Kom
NIP. 198212202008011008
Dra. Luh Gede Astuti, M.Kom
NIP. 196401141994022001
Pembimbing II Penguji II
Agus Muliantara, S.Kom, M.Kom
NIP. 198006162005011001
Ida Bagus Gede Dwidasmara, S.Kom., M.Cs.
NIP. 198503152010121007
Penguji III
I Gusti Agung Gede Arya Kadyanan,S.Kom., M.Kom
NIP. 198501302015041003
Mengetahui,
Ketua Jurusan Ilmu Komputer FMIPA Universitas Udayana
Agus Muliantara, S.Kom, M.Kom
Judul : Analisis dan Implementasi Algoritma Kelelawar sebagai
Fitur Selektor dalam Klasifikasi Dermatology
Nama : Ketut Ardha Chandra
NIM : 1208605036
Pembimbing I : I Made Widiartha, S.Si, M.kom
Pembimbing II : Agus Muliantara, S.Kom, M.Kom
ABSTRAK
Berdasarkan data dari WHO, penyakit kulit sering menjangkit masyarakat di
negara-negara berkembang salah satunya Indonesia. Penanganan sejak dini akan
mengurangi jumlah kasus penyakit yang akan terjadi di masyarakat. Salah satu jenis penyakit
kulit yang sulit didiagnosa yaitu erythemato-squamous dikarenakan fitur klinis maupun
histopatologis menampilkan 90% fitur serupa. Hal ini memicu penelitian bagaimana
mengoptimasi kinerja klasifikasi penyakit kulit agar keakuratannya dapat meningkat. Salah
satu metode Bio-inspired terbaru algoritma kelelawar digunakan sebagai feature selector
guna meningkatkan akurasi dengan cara mereduksi fitur yang bersifat noise. Sebagai fitur
evaluator dalam penelitian ini digunakan dua klasifier yaitu Naive Bayes dan
Backpropagation. Dua klasifier digunakan sebagai pengujian apakah pada penelitian ini
mampu memberikan hasil yang konsisten dalam penerapannya.
Hasil penelitian ini mendapatkan akurasi yang dicapai menggunakan klasifier
Naive Bayes sebesar 97,27% dan klasifier Backpropagation sebesar 92.39% dengan
menggunakan variabel yang paling optimal yaitu , dan . Dari kedua
klasifier yang digunakan, algoritma kelelawar mampu memberikan hasil yang konsisten
sebagai feature selector dengan menghasilkan pemilihan fitur optimal yang sama yaitu fitur
ke : 4, 14, 19, 21, 24, dan 30.
Judul : Analysis and Implementation of Bat Algortihm as Feature
Selector on Dermatology Classification
Name : Ketut Ardha Chandra
Student ID : 1208605036
First Supervisor : I Made Widiartha, S.Si, M.kom
Second Supervisor : Agus Muliantara, S.Kom, M.Kom
ABSTRACT
Based on data from the WHO, the skin disease often infecting people in developing
countries one of Indonesia. Early treatment will certainly reduce the number of cases of
disease that will occur in the community. One type of skin disease that is difficult to diagnose
erythemato-squamous, due to the clinical and histopathologic features showing 90% similar
features. This problem led to investigation of how to optimize the performance of the
classification of skin diseases that can increase the level of accuracy. One of the newest
methods of Bio-inspired algorithms bat used as a selector feature to improve the accuracy by
reducing noise features. As evaluator feature in this study used two classifier which are Naive
Bayes and Backpropagation. Two classifier used as testing mechanism whether the study was
able to provide consistent results in its application.
The results of this research obtain the accuracy achieved using Naive Bayes classifier
amounted to 97.27% and Backpropagation classifier amounted to 92.39% using the most
optimal variable are α = 0.75, = 1 and = 0.β5. From both classifier, bat algorithm is able
to provide consistent results as a feature selector to generate an optimal selection of features,
namely features to: 4, 14, 19, 21, 24, and 30.
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena atas rahmat-Nya penulis dapat menyelesaikan skripsi dengan judul “Analisis dan Implementasi Algoritma Kelelawar sebagai Fitur Selektor dalam Klasifikasi Dermatology”.
Sehubungan dengan telah terselesaikannya skripsi ini, penulis mengucapkan
terimakasih atas bantuan dari berbagai pihak yang terlibat, yaitu:
1. I Made Widiartha, S.Si, M.kom. sebagai Pembimbing 1 yang telah memberikan
bimbingan dan telah banyak memberikan saran dalam penyelesaian skirpsi ini.
2. Agus Muliantara, S.Kom, M.Kom sebagai Pembimbing 2 yang juga telah banyak
memberikan saran demi penyempurnaan skripsi ini.
3. Bapak dan ibu dosen di Jurusan Ilmu Komputer, yang telah ikut serta dalam
memberikan motivasi dan saran dalam pengembangan perancangan skripsi ini.
4. Orang tua, saudara, dan teman – teman yang sudah memberi semangat dan
dukungan moril dalam mengerjakan skripsi ini.
Penulis berharap agar adanya perbaikan pada skripsi ini, mengingat keterbatasan
kemampuan penulis. Oleh karena itu, penulis mengharapkan saran dan kritik agar skirpsi ini
dapat lebih baik lagi. Akhir kata, semoga skripsi ini dapat memberikan manfaat bagi kita
semua.
Bukit Jimbaran, April 2016
DAFTAR ISI
SURAT PERNYATAAN KEASLIAN KARYA ILMIAH ... 1
KOMPETENSI KOMPUTASI ... 2
LEMBAR PENGESAHAN TUGAS AKHIR ... 3
ABSTRAK ... 4
ABSTRACT ... 5
KATA PENGANTAR ... 6
DAFTAR ISI ... 7
DAFTAR TABEL ... 9
DAFTAR GAMBAR ... 10
3.3 Perancangan Klasifier Backpropagation ... Error! Bookmark not defined. 3.4 Alur pengujian ... Error! Bookmark not defined. 3.5 Analisis Data ... Error! Bookmark not defined. BAB IV HASIL DAN PEMBAHASAN ... Error! Bookmark not defined. 4.1 Implementasi algoritma kelelawar ... Error! Bookmark not defined. 4.1.1 Inisialisasi Parameter ... Error! Bookmark not defined. 4.1.2 Masukan sistem (input) ... Error! Bookmark not defined. 4.1.3 Pencarian inisial kelelawar terbaik ... Error! Bookmark not defined. 4.1.4 Proses learning Algoritma Kelelawar ... Error! Bookmark not defined. 4.1.4 Pengecekan jumlah fitur terpilih ... Error! Bookmark not defined. 4.1.5 Proses perubahan posisi kelelawar... Error! Bookmark not defined. 4.1.6 Proses pencarian lokal pada kelelawar terbaikError! Bookmark not defined.
4.1.7 Proses pencarian lokal pada kelelawar saat iniError! Bookmark not defined.
DAFTAR TABEL
Tabel 1.1 Rancangan Tabel Pengujian ... Error! Bookmark not defined. Tabel 2.1 Fungsi Simbol-simbol Flowchart ... Error! Bookmark not defined. Tabel 3.1 Distribusi kelas pada database DermatologyError! Bookmark not defined.
Tabel 3.2 Atribut Klinis ... Error! Bookmark not defined. Tabel 3.3 Atribut Histopatologis... Error! Bookmark not defined. Tabel 4.1 Source code penentuan inisial posisi kelelawarError! Bookmark not defined.
Tabel 4.2 Source code perhitungan inisial fitness kelelawarError! Bookmark not defined.
Tabel 4.3 Source code perhitungan frekuensi dan kecepatanError! Bookmark not defined.
Tabel 4.4 Source code proses konfigurasi posisi ... Error! Bookmark not defined. Tabel 4.5 Source code penerimaan solusi baru ... Error! Bookmark not defined. Tabel 4.6 Source code mengecek fitur terpilih ... Error! Bookmark not defined. Tabel 4.7 Source code penentuan posisi kelelawar Error! Bookmark not defined.
Tabel 4.8 Source code pencarian lokal pada kelelawar terbaikError! Bookmark not defined.
Tabel 4.9 Source code pencarian lokal pada kelelawar saat iniError! Bookmark not
defined.
Tabel 4.10 Source code implementasi Naive Bayes ClassifierError! Bookmark not defined.
Tabel 4.11 Source code implementasi Backpropagation ClassifierError! Bookmark not
defined.
Tabel 4.12 Hasil Pengujian ... Error! Bookmark not defined.
Tabel 4.13 Perbandingan Algoritma Kelelawar dengan Brute ForceError! Bookmark not
defined.
Tabel 4.14 Perbandingan dengan dan tanpa algoritma kelelawarError! Bookmark not
DAFTAR GAMBAR
Gambar 2.1 Ilustrasi Posisi Kelelawar ... Error! Bookmark not defined. Gambar 2.2 McCulloch & Pitts, penemu pertama Neural NetworkError! Bookmark not
defined.
Gambar 2.3 Ilustrasi Perceptron ... Error! Bookmark not defined. Gambar 2.4 Struktur Neuron pada otak manusia ... Error! Bookmark not defined. Gambar 2.5 Struktur ANN ... Error! Bookmark not defined. Gambar 2.6 Arsitektur Backpropagation ... Error! Bookmark not defined. Gambar 3. 1 Diagram Alir Sistem ... Error! Bookmark not defined. Gambar 3. 2 Flowchart Algoritma Kelelawar... Error! Bookmark not defined. Gambar 3.3 Flowchart Klasifier Naive Bayes ... Error! Bookmark not defined. Gambar 3.4 Flowchart Klasifier Backpropagation Error! Bookmark not defined.
Gambar 3.5 Flowchart Alur Pengujian ... Error! Bookmark not defined. Gambar 4.1 Tampilan Antar Muka Awal ... Error! Bookmark not defined. Gambar 4.2 Tampilan Antarmuka Inisialisasi ... Error! Bookmark not defined. Gambar 4.3 Tampilan Antarmuka Proses LearningError! Bookmark not defined.
Gambar 4.4 Tampilan Antarmuka Pencarian Variabel optimalError! Bookmark not