Daftar Isi: Optimasi Bobot Awal Extreme Learning Machine Menggunakan Algoritme Genetika Untuk Klasifikasi Penanganan Human Papilloma Virus

Daftar Isi:

Human Papilloma Virus adalah virus penyebab penyakit kutil dan mata ikan pada manusia. Banyak sekali jenis penanganan virus ini, jenis penanganan yang umum adalah immunotherapy dan cryotherapy. Parameter gejala-gejala yang muncul pada penderita hampir mirip sehingga diperlukan penentuan penanganan secara tepat. Didasarkan hal tersebut, maka pada penelitian ini digunakan metode Extreme Learning Machine untuk mengklasifikasi jenis penanganan Human Papilloma Virus. Parameter gejala yang digunakan terdapat 6 parameter dan kelas yang digunakan adalah immunotherapy dan cryotherapy. Dalam penelitian ini, bobot awal pada Extreme Learning Machine dioptimasi oleh Algoritme Genetika kemudian bobot tersebut digunakan oleh metode Extreme Learning Machine untuk proses klasifikasi jenis penanganan Human Papilloma Virus. Jumlah data yang digunakan sebanyak 118 data dengan rasio data untuk proses latih dan uji adalah 80:20. Parameter Extreme Learning Machine yang digunakan adalah 10 hidden neuron dan fungsi aktivasi sigmoid biner. Hasil pengujian memperoleh tingkat akurasi terbaik klasifikasi sebesar 100% untuk kelas cryotherapy dan 100% untuk kelas immunotherapy pada 3 dari 10 kali percobaan dengan rata-rata waktu komputasi selama 350,3 detik menggunakan bobot awal yang telah dioptimasi oleh Algoritme Genetika dengan parameter terbaik ukuran populasi sebesar 70, jumlah generasi sebesar 160, crossover rate sebesar 0,9 dan mutation rate sebesar 0,1.