ABSTRAKSI: Artificial Neural network (ANN) merupakan suatu metode yang sangat baik untuk permasalahan klasifikasi. Multi Layer Perceptron (MLP) merupakan ANN berdasarkan arsitekturnya, sedangkan Cuckoo Search (CS) merupakan algoritma optimasi, dikemukakan oleh Dr. Xin-She Yang dan Suash Deb, sekitar Desember 2009, dimana berdasarkan [8] dapat diimplementasikan sebagai algoritma learning MLP dengan hasil yang baik. Algoritma ini menggunakan teori Lévy Flights di dalam prosesnya.
Dari hasil pengujian yang dilakukan, CS menghasilkan rata-rata akurasi: training 94.71%, validasi 87.74%, & testing 84.70% untuk skenario ke-1 (60% data training : 20% data validasi : 20% data testing), rata-rata akurasi: training 95.79%, validasi 82.67%, & testing 81.03% untuk skenario ke-2 (33.33% data training : 33.33% data validasi : 33.33% data testing), rata-rata akurasi: training 95.86%, validasi 81.93%, & testing 80.75% untuk skenario ke-3 (30% data training : 30% data validasi : 40% data testing). Berdasarkan hasil pengujian yang didapatkan, CS sebagai algoritma alternatif MLP dengan hasil yang cukup menjanjikan. Hal lain yang dapat disimpulkan yaitu preprocessing data sangat berpengaruh terhadap hasil yang diperoleh. Data yang baik akan memudahkan pengaturan setting parameter CS sehingga CS mampu mendapatkan hasil yang “baik” & “cepat”. Begitu juga sebaliknya, preprocessing yang kurang baik akan menghasilkan akurasi yang kurang bagus.Kata Kunci : klasifikasi, mlp, cuckoo search, lévy flightsABSTRACT: Artificial Neural network (ANN) is a method that suitable for classification problem. Multi Layer Perceptron (MLP) is ANN based on its architecture, meanwhile, Cuckoo Search (CS) is optimation algorithm, introduced by Dr. Xin-She Yang and Suash Deb, about December 2009, thats based on [8] its CS can be implemented for learning algorithm with good result. This algorithm was used Lévy Flights theorm in its process.
From experiment result, CS was produced accuration average: training 94.71%, validation 87.74%, & testing 84.70% for 1st scenario (60% training data : 20% validation data : 20% testing data), accuration average: training 95.79%, validation 82.67%, & testing 81.03% for 2nd scenario (33.33% training data : 33.33% validation data : 33.33% testing data), accuration average: training 95.86%, validation 81.93%, & testing 80.75% for 3rd scenario (30% training data : 30% validation data : 40% testing data). Based on experiment result, CS as alternative algorithm for learn MLP is produce promising result. Other things thats can be conclude is data preprocessing very influential toward output result. Good data will be easy to setting up CS parameter so CS can meet ”best solution” & ”fast” in period of time. Beside that, poor preprocessing will be produce poor accuration result.Keyword: classification, mlp, cuckoo search, lévy flights