R Markdown

Neural Network (NN) adalah suatu metode pembelajaran yang diinspirasi darijaringan sistem pembelajaran biologis yang terjadi dari jaringan sel syaraf(neuron) yang terhubung satu dengan yang lainnya.

Neural network juga disebut dengan Artificial Neural Network. Neural Network memiliki fase pelatihan untuk memperbaiki weight koneksiakan disesuaikan dengan data-data yang sudah ada. Dengan kata lain, neuralnetwork ‘belajar’ dari contoh-contoh seperti seorang anak kecil yang belajarmembedakan anjing dan kucing dari kumpulan contoh anjing dan kucing.

Jika dilatih dengan baik, maka Neural Network dapat menampilkan kemampuan generalisasi yang melebihi data pelatihan untuk menghasilkan keluaran yang tepat untuk kasus baru yang tidak terdapat pada saat pelatihan.

install.packages("KMsurv")
library(KMsurv)
library(survival)
data()

Memanggi Data di R Data Sets

data(cancer)
View(cancer)
str(cancer)

cleaning data menggunakan mean

data=cancer
for (i in 1:ncol(data))
{
  data[is.na(data[,i]),i]<-mean(data[,1],na.rm=TRUE)
}
data

Standarisasi Data

cancer1=data
for(i in 1:10){
  cancer1[,i]<-(cancer1[,i]-min(cancer1[,i]))/(max(cancer1[,i])-min(cancer1[,i]))
}
cancer1
View(cancer1)

Membagi data menjadi training & testing

n<-round(nrow(cancer1)*0.75);n
set.seed(12);samp=sample(1:nrow(cancer1),n)
samp
train=cancer1[samp,]
train
str(train)

Pembuatan Model

library(neuralnet)
nn<-neuralnet(status~., data = train, hidden = 3)
plot(nn)

Pengujian model

output<-compute(nn,test[,-8])
prediction<-ifelse(output$net.result > 0.5,1,2)
prediction

Membuat prediksi dan akurasi dari data testing

conf_matrix=table(prediction,test$status);conf_matrix
accuracy = (conf_matrix[1,1]+conf_matrix[2,2])/sum(conf_matrix)
accuracy
accuracy
test=cancer1[-samp,]
test
str(test)