72 h. Jumlah Epoh yang ditunjukkan
Parameter ini menunjukkan berapa jumlah epoh berselang yang akan ditunjukkan kemajuannya. Perintah pada Matlab R2013a adalah
net.trainParam.show=Epohshow
Nilai epoh yang akan ditunjukkan kemajuannya adalah . Pemilihan nilai epoh
yang ditunjukkan sebesar untuk melihat perubahan error setiap
epoh yang telah dijalankan.
6. Menentukan Jaringan Optimum
Jaringan optimum pada FRBFNN diperoleh dengan metode trial and error. Metode ini dilakukan untuk membandingkan nilai akurasi tertinggi yang diperoleh
berdasarkan jumlah neuron pada lapisan tersembunyi. Jumlah neuron pada lapisan tersembunyi didapatkan dari banyaknya cluster yang digunakan pada metode K-
Means clustering. Berdasarkan prosedur pendeteksian dini kanker paru menggunakan model
FRBFNN adalah preprocessing citra radiography dengan cara melakukan operasi transformasi menggunakan filter high frequency emphasis dan histogram
equalization. Selanjutnya, melakukan ekstraksi fitur dengan menggunakan metode Gray Level Co-occurrence Matrix GLCM untuk memperoleh 5 parameter sebagai
input yaitu energy, contrast, correlation, inverse difference moment, dan entropy. Setelah itu, membagi data menjadi 2 bagian yaitu 80 dari keseluruhan data adalah
data training dan 20 dari keseluruhan data adalah data testing. Variabel input yang digunakan adalah 5 parameter hasil ekstraksi fitur dan variabel output adalah
diagnosa dari citra radiography. Pada pembelajaran FRBFNN terbagi menjadi 4
73 tahap, yaitu melakukan fuzzifikasi dari 5 parameter ekstraksi citra dengan
menggunakan fungsi keanggotaan trapesium, menentukan nilai pusat dan jarak fungsi aktivasi gaussian dengan menggunakan K-Means clustering, menentukan
jumlah neuron pada lapisan tersembunyi, dan menentukkan bobot-bobot jaringan dengan menggunakan dua pendekatan yaitu metode Global Ridge Regression dan
algoritma Backpropagation, maka diperoleh diagram alir pada Gambar 3.2 untuk prosedur pemodelan FRBFNN dalam mendeteksi dini kanker paru sebagai berikut,
Gambar 3.2 Diagram Alir Pemodelan FRBFNN
74
C. Hasil Model Fuzzy Radial Basis Function Neural Network FRBFNN dengan Preprocessing Citra untuk Deteksi Dini Kanker Paru