SKRIPSI
HYBRID BACKPROPAGATION
DENGAN FIREFLY
ALGORITHM
DAN SIMULATED ANNEALING UNTUK
KLASIFIKASI CALON PENERIMA PINJAMAN BANK
BERDASARKAN RESIKO
GILANG FATHIRA MUTMA’INAH
PROGRAM STUDI S-1 MATEMATIKA
DEPARTEMEN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
2016
i
SKRIPSI
HYBRID BACKPROPAGATION
DENGAN FIREFLY
ALGORITHM
DAN SIMULATED ANNEALING UNTUK
KLASIFIKASI CALON PENERIMA PINJAMAN BANK
BERDASARKAN RESIKO
GILANG FATHIRA MUTMA’INAH
PROGRAM STUDI S-1 MATEMATIKA
DEPARTEMEN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
2016
HYBRID BACKPROPAGATION
DENGAN FIREFLY
ALGORITHM
DAN SIMULATED ANNEALING UNTUK
KLASIFIKASI CALON PENERIMA PINJAMAN BANK
BERDASARKAN RESIKO
SKRIPSI
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Bidang Matematika
Pada Fakultas Sains Dan Teknologi Universitas Airlangga
Disetujui oleh:
iii
LEMBAR PENGESAHAN NASKAH SKRIPSI
Judul : Hybrid Backpropagation dengan Firefly Algorithm dan
Simulated Annealing untuk Klasifikasi Calon Penerima
Pinjaman Bank Berdasarkan Resiko Penyusun : Gilang Fathira Mutma‟inah
NIM : 081211232018
Pembimbing I : Auli Damayanti, S.Si., M.Si Pembimbing II : Dr. Herry Suprajitno, M.Si Tanggal Seminar : 20 April 2016
Disetujui oleh : Pembimbing I
Auli Damayanti, S.Si, M.Si NIP. 19751107 200312 2 004 Pembimbing II Dr. Herry Suprajitno,M.Si NIP. 19680404 199403 1 020 Pembimbing II, Dr. Herry Suprajitno,M.Si NIP.19680404 199403 1 020 Mengetahui, Ketua Departemen Matematika
Fakultas Sains dan Teknologi Universitas Airlangga
Badrus Zaman, S.Kom., M.Cs NIP. 19780126 200604 1 001
Koordinator Program Studi S-1 Matematika Fakultas Sains dan Teknologi
Universitas Airlangga
Dr. Mohammad Imam Utoyo, M.Si NIP. 19640103 198810 1 001
PEDOMAN PENGGUNAAN SKRIPSI
Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam lingkungan Universitas Airlangga. Diperkenankan untuk dipakai sebagai referensi kepustakaan, tetapi pengutipan harus seizin penulis dan harus menyebutkan sumbernya sesuai kebiasaan ilmiah. Dokumen skripsi ini merupakan hak milik Universitas Airlangga.
v
SURAT PERNYATAAN TENTANG ORISINALITAS
Yang bertanda tangan di bawah ini, saya:
Nama : Gilang Fathira Mutma‟inah
NIM : 081211232018
Program Studi : S1-Matematika Fakultas : Sains dan Teknologi
Jenjang : Sarjana (S1)
Menyatakan bahwa saya tidak melakukan kegiatan plagiat dalam penulisan skripsi saya yang berjudul :
Hybrid Backpropagation dengan Firefly Algorithm dan Simulated Annealing
untuk Klasifikasi Calon Penerima Pinjaman Bank Berdasarkan Resiko Apabila suatu saat nanti terbukti melakukan tindakan plagiat, maka saya akan menerima sanksi yang telah ditetapkan.
KATA PENGANTAR
Alhamdulillahirabbil‟alamin. Segala puji syukur penulis panjatkan kepada Allah SWT karena hanya dengan rahmat dan karunia-Nya, skripsi yang berjudul
“Hybrid Backpropagation dengan Firefly Algorithm dan Simulated Annealing untuk Klasifikasi Calon Penerima Pinjaman Bank Berdasarkan Resiko” ini dapat
diselesaikan dengan baik. Shalawat serta salam semoga senantiasa tercurahkan kepada junjungan kita, Nabi Besar Muhammad SAW, pemimpin sekaligus sebaik-baiknya suri tauladan bagi kehidupan umat manusia.
Ucapan terima kasih disampaikan kepada :
1. Universitas Airlangga yang telah memberikan kesempatan kepada penulis untuk menuntut ilmu.
2. Direktorat Jendral Pendidikan Tinggi (Dirjen Dikti) yang telah memberikan Beasiswa Bidik Misi kepada penulis untuk membantu secara ekonomis serta memacu semangat belajar
3. Badrus Zaman, S.Kom, M.Cs selaku Ketua Departemen Matematika.
4. Dr. Mohammad Imam Utoyo, M.Si selaku Kepala Prodi Matematika Fakultas Sains dan Teknologi Universitas Airlangga yang selalu memberikan saran dan motivasi dan juga selaku dosen wali selama menjadi mahasiswa Fakultas Sains dan Teknologi Universitas Airlangga yang telah banyak memberikan arahan, waktu, nasihat, serta semangat demi kesuksesan menjadi mahasiswa.
vii
5. Auli Damayanti, S.Si., M.Si selaku dosen pembimbing I yang senantiasa sabar dan teliti dalam memberikan bimbingan berupa ilmu, arahan, saran, waktu, dan motivasi serta semangat.
6. Dr. Herry Suprajitno, M.Si selaku dosen pembimbing II yang senantiasa sabar dan teliti dalam memberikan bimbingan berupa ilmu, arahan, saran, waktu, dan motivasi serta semangat.
7. Dr. Eridani, Drs., M.Si selaku dosen yang selalu memberikan inspirasi bagi penulis dalam setiap cerita yang disampaikan selama kuliah sebagai motivasi serta semangat.
8. Yang tercinta, kedua Orang Tua yaitu Muhajir dan Qibtiyah, serta kakak Gilang Fitriyah Rochmatullah dan M. Mundy serta adik M. Chodrin Yusabbichullah, M.Fatchan Qodiro dan Nur Qodiri Qodrillah serta seluruh keluarga besar penulis yang selalu memberikan dukungan, perhatian, semangat, doa dan kasih sayangnya.
9. Seluruh Dosen S1 Matematika Fakultas Sains dan Teknologi Universitas Airlangga yang telah memberi banyak pengetahuan yang sangat bermanfaat bagi penulis.
10. Teman-teman Matematika 2012, khususnya sahabat penulis yang tercinta Luthfi Hidayati, Syahrul Fadilah, Fanti Rachmawati, dan Okta Diana N.S.C. yang selalu setia menjadi teman berbagi cerita, memberikan dukungan dan semangat, membantu kesulitan dalam memahami materi, berbagi pengetahuan, mengajarkan banyak hal tentang hidup, dan selalu membuat kelas terasa nyaman.
11. Serta semua pihak yang tidak dapat disebutkan satu per satu, yang telah membantu terselesaikannya skripsi ini
Akhir kata, penulis menyadari bahwa tiada gading yang tak retak. Begitu juga makalah ini, tentunya masih banyak kekurangan yang ada di dalamnya. Oleh karena itu, kritik dan saran dari para pembaca sangat penulis harapkan demi penyempurnaan penulisan selanjutnya di kemudian hari. Semoga proposal skripsi ini dapat bermanfaat bagi penulis khususnya dan para pembaca sekalian pada umumnya.
Surabaya, April 2016
ix
Gilang Fathira Mutma‟inah, 2016, Hybrid Backpropagation dengan Firefly
Algorithm dan Simulated Annealing untuk Klasifikasi Calon Penerima
Pinjaman Bank Berdasarkan Resiko, Skripsi ini dibawah bimbingan Auli Damayanti, S.Si., M.Si. dan Dr. Herry Suprajitno, M.Si., Prodi S1-Matematika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya.
ABSTRAK
Klasifikasi calon penerima pinjaman bank berdasarkan resiko perlu dilakukan secara tepat. Hal ini karena jika pengklasifikasian tidak sesuai maka akan timbul tingkat kredit macet yang semakin tinggi. Tingkat kredit macet yang semakin tinggi dapat mengganggu kestabilan bank. Pada penulisan skripsi ini akan diselesaikan masalah klasifikasi calon penerima pinjaman bank berdasarkan resiko dengan menggunakan hybrid
backpropagation neural network dengan firefly algorithm dan simulated annealing. Backpropagation neural network adalah salah satu jenis jaringan syaraf tiruan yang
sering digunakan untuk menyelesaikan masalah klasifikasi. Firefly algorithm adalah sebuah algoritma yang terinspirasi dari pola berkedip dan perilaku kunang-kunang.
Simulated annealing merupakan metode yang dianalogikan dengan proses annealing.
Pada penulisan skripsi ini, firefly algorithm dan simulated annealing digunakan untuk menentukan learning rate dan jumlah unit hidden yang optimal untuk proses
backpropagation. Proses algoritma ini dimulai dengan inisialisasi parameter,
membangkitkan populasi awal firefly, proses backpropagation neural network, membandingkan intensitas cahaya setiap firefly, mencari firefly terburuk, simulated
annealing, mencari firefly terbaik, menentukan G best, dan movement firefly terbaik. Data
latih yang digunakan sebanyak 100 data, sedangkan untuk data ujinya sebanyak 25 data, Algoritma ini diimplementasikan dengan bahasa pemrograman C++, menggunakan
software Borland C++.
Kata Kunci : Klasifikasi, Pinjaman Bank, Backpropagation Neural Network,
Gilang Fathira Mutma‟inah, 2016, Hybrid Backpropagation with Firefly Algorithm and Simulated Annealing for Classificationof Recipients of Bank Loans Based on Risk, This undergraduate thesis is suprivised by Auli Damayanti, S.Si., M.Si. and Dr. Herry Suprajitno, M.Si. Mathematics Department, Faculty of Science and Technology, University of Airlangga, Surabaya.
ABSTRACT
The recipients‟ classification of bank loans based on risk needs to be addressed appropriately. The inappropriate classification will result the higher increasing level of bad loans. The increasing of non-performing loans can destabilize the bank. This study analyzes the classification problem of receiver bank loans‟ applicants based on risk by using hybrid backpropagation neural network with firefly algorithm and simulated annealing. Backpropagation neural network is a type of artificial neural network which is often used to solve classification problems. Firefly algorithm is an algorithm inspired by the flashing patterns and behaviors of fireflies. Simulated annealing is a method which is correlated to the annealing process. In hybrid backpropagation neural network with firefly algorithm and simulated annealing, firefly algorithm and simulated annealing are used to determine the learning rate and the number of optimal hidden units for propagation process. This algorithm process begins with initializing algorithm parameters, generating initial population firefly, processing backpropagation neural network, comparing the light intensity of each firefly, seeking the worst firefly, simulated annealing, seeking the best firefly, specifying G best, and the best firefly movement. There are 100 data which were used in data training, while there are 25 data for the data testing, this algorithm was implemented with the programming language C ++, by using the Borland C ++ software.
Keywords : Classification, Bank Loans, Backpropagation Neural Network,
xi
DAFTAR ISI
Halaman
LEMBAR JUDUL ... i
LEMBAR PERNYATAAN ... ii
LEMBAR PENGESAHAN NASKAH SKRIPSI ... iii
PEDOMAN PENGGUNAAN SKRIPSI ... iv
SURAT PERNYATAAN TENTANG ORISINALITAS ... v
KATA PENGANTAR ... vi
ABSTRAK ... ix
ABSTRACT ... x
DAFTAR ISI ... xi
DAFTAR TABEL ... xiv
DAFTAR GAMBAR ... xvii
DAFTAR LAMPIRAN ... xix
BAB I PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 4
1.3 Tujuan ... 4
1.4 Manfaat ... 5
BAB II TINJAUAN PUSTAKA 2.1 Bank ... 6
2.2 Jaringan Syaraf Tiruan ... 6
2.2.2 Fungsi Aktivasi ... 12
2.2.3 Backpropagation Neural Network ... 14
2.3 Firefly Algorithm ... 20
2.3.1 Perilaku Kunang-Kunang ... 21
2.3.2 Pengertian Firefly Algorithm ... 22
2.3.3 Keatraktifan Firefly ... 23
2.3.4 Distance dan Movement ... 25
2.3.5 Proses Firefly Algorithm ... 26
2.4 Simulated Annealing ... 27
2.5 Pemrograman C++ ... 29
BAB III METODE PENELITIAN……….. 32
BAB IV PEMBAHASAN 4.1 Prosedur penerapan FA dan SA pada Backpropagation Neural Network ... 42
4.1.1 Input Parameter awal ... 43
4.1.2 Generate Populasi Awal ... 44
4.1.3 Menentukan Jumlah Unit Hidden dan Learning Rate ... 45
4.1.4 Backpropagation Neural Network ... 47
4.1.5 Membandingkan Intensitas Cahaya Setiap Firefly .. 55
4.1.6 Mencari Firefly Terburuk ... 58
4.1.7 Simulated Annealing ... 59
xiii
4.1.9 Update G* ... 60 4.1.10 Movement Firefly Terbaik ... 61 4.2 Contoh Kasus Klasifikasi Calon Penerima Pinjaman Bank
yang Diselesaikan Secara Manual ... 62 4.3 Program dan Implementasi Program ... 87 4.3.1 Uji Validasi ... 90 BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan ... 92 5.2 Saran ... 93 DAFTAR PUSTAKA ... 94 LAMPIRAN
DAFTAR TABEL
Nomor Judul Tabel Halaman
3.1 Tabel Variabel Pelatihan 30
4.1 Skala pengukuran untuk banyaknya tabungan 63
4.2 Data untuk Contoh Kasus Manual 63
4.3 Populasi awal firefly 65
4.4 Bobot Random v 66
4.5 Bobot Random w 66
4.6 Perhitungan Output 68
4.7 Pelatihan Neural Network 68
4.8 Perubahan Bobot v (∆v) 70
4.9 Bobot v Baru 71
4.10 Bobot w Baru 71
4.11 Bobot v Akhir Firefly Pertama 72
4.12 Bobot w Akhir Firefly Pertama 72
4.13 Pengujian Firefly 1 73
xv
4.15 Bobot w Akhir Firefly 2 74
4.16 Bobot v Akhir Firefly 3 74
4.17 Bobot w Akhir Firefly 3 74
4.18 Firefly 1 setelah movement 76
4.19 Proses Membandingkan Firefly 1 dengan Firefly 2 77 4.20 Bobot v Akhir Firefly 1 Setelah Pergerakan 77 4.21 Bobot w Akhir Firefly 1 Setelah Pergerakan 77 4.22 Proses Membandingkan Firefly 1 dengan Firefly 3 78 4.23 Proses Membandingkan Firefly 2 dengan Firefly 1 78 4.24 Bobot v Akhir Firefly 2 Setelah Pergerakan 78 4.25 Bobot w Akhir Firefly 2 Setelah Pergerakan 79 4.26 Proses Membandingkan Firefly 2 dengan Firefly 3 79 4.27 Proses Membandingkan Firefly 3 dengan Firefly 1 79 4.28 Bobot v Akhir Firefly 3 Setelah Pergerakan 80 4.29 Bobot w Akhir Firefly 3 Setelah Pergerakan 80 4.30 Proses Membandingkan Firefly 3 dengan Firefly 2 80 4.31 Bobot v Akhir Firefly 3 Setelah Pergerakan 81
4.32 Bobot w Akhir Firefly 3 Setelah Pergerakan 81
4.33 Menentukan firefly terburuk 82
4.34 Solusi awal SA 82
4.35 Proses pertukaran lokus 83
4.36 Solusi baru SA 83
4.37 Bobot v Akhir Solusi Baru Simulated Annealing 83 4.38 Bobot w Akhir Solusi Baru Simulated Annealing 84
4.39 Menentukan firefly terbaik 84
4.40 Bobot v Akhir Hasil Movement Firefly Terbaik 86 4.41 Bobot w Akhir Hasil Movement Firefly Terbaik 86
4.42 Daftar Firefly yang Telah Didapat 86
4.43 Hasil Percobaan dengan 100 Data Latih 88
4.44 Bobot Optimal v 89
4.45 Bobot Optimal w 90
xvii
DAFTAR GAMBAR
Nomor Judul Gambar Halaman
2.1 Susunan Syaraf Manusia 7
2.2 Jaringan Lapisan Tunggal (single layer network) 10 2.3 Jaringan Lapisan Jamak (multi layer network) 11
2.4 Fungsi Aktivasi Step Biner 12
2.5 Fungsi Aktivasi Sigmoid Biner 13
2.6 Fungsi Aktivasi Sigmoid Bipolar 14
3.1 Flowchart proses pelatihan Backpropagation Neural Network 39 3.2 Flowchart proses Hybrid Backpropagation Neural Network dengan
firefly algorithm dan simulated annealing 40 3.3 Lanjutan Flowchart proses Hybrid Backpropagation Neural Network dengan firefly algorithm dan simulated annealing 41 4.1 Prosedur Penerapan FA dan SA pada Backpropagation Neural Network 42
4.2 Input Parameter 44
4.3 Prosedur Generate Populasi Awal 45
4.5 Prosedur Backpropagation Neural Network 47
4.6 Prosedur Generate Bobot V dan W Awal 49
4.7 Prosedur Pengujian Neural Network 50
4.8 Prosedur Menghitung MSE 51
4.9 Prosedur Feedforward 52
4.10 Prosedur Backpropagation of Error 53
4.11 Prosedur Update Bobot dan Bias 54
4.12 Prosedur Membandingkan Intensitas Cahaya Setiap Firefly 56
4.13 Prosedur Menghitung Jarak 56
4.14 Prosedur Menghitung Attractiveness 57
4.15 Prosedur Proses Movement 57
4.16 Prosedur Mencari Firefly Terburuk 58
4.17 Prosedur Mencari Firefly Terbaik 60
4.18 Prosedur Update G* 61
xix
DAFTAR LAMPIRAN
Nomor Judul Lampiran
1 Prosedur Simulated Annealing 2 Data Latih dan Data Uji
3 Program Hybrid Backpropagation Neural Network dengan Firefly
Algorithm dan Simulated Annealing untuk Klasifikasi Calon Penerima
Pinjaman Bank 4 Output Program
