Optimasi Jaringan Syaraf Tiruan Backpropagation Menggunakan Particle Swarm Optimization untuk Deteksi Penderita Penyakit Jantung

Menurut data dari Himpunan Mahasiswa Epidemiologi Fakultas Kesehatan Masyarakat Universitas Hasanuddin (HIMAPID), di Indonesia, dengan jumlah penduduk sekitar 237 juta jiwa, terjadi kelahiran 6,6 juta bayi setiap tahunnya dan 48.800 di antaranya sudah menyandang penyakit jantung. Untuk mengklasifikasikan apakah seseorang terindikasi penyakit jantung, dalam penelitian kali ini diterapkan Artificial Neural Network atau Jaringan Syaraf Tiruan model Backpropagation dan Jaringan Syaraf Tiruan model Backpropagation yang bobotnya dioptimasi menggunakan Particle Swarm Optimization dengan tujuan meminimumkan mean squared error (MSE). Dari kedua metode tersebut akan dicari nilai akurasi tertinggi melalui Confusion Matrix dan penurunan nilai RMSE untuk kemudian diterapkan pada Graphical User Interface (GUI). Data yang digunakan berasal dari UCI Machine Learning Respository dengan 270 hasil observasi partisipan terdiri dari 13 variabel yang ditentukan untuk melakukan deteksi. Hasil pengujian menunjukkan pada percobaan kedua nilai akurasi BPNN+PSO lebih tinggi dari BPNN saja, yakni 87.7% dan nilai RMSE menurun dari 1.0862 menjadi 0.3403