Jurnal Pseudocode, Volume 1 Nomor 1, Februari 2014, ISSN 2355 – 5920 www.ejurnal.unib.ac.id 1 PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Irvan Muzakkir 1 , Abdul Syukur 2 , Ika Novita Dewi 3 1,2,3 Pasca Sarjana Teknik Informatika, Universitas Dian Nuswantoro, Semarang 50131 1 irvanmuzakkir1@gmail.com 2 abdulsyukur2014@gmail.com 3 ikanovitadewi1@gmail.com Abstrak: Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing- masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup. Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization. Abstract: Telecommunications is one of the industries, in which customers require special attention, therefore, management in a telecom company wants to lose customers prediction models to efficiently predict the potential loss of customers. Neural networks are often used method to predict. The most popular technique in the method is a neural network algorithm backpropagation. However backpropagation algorithm has a weakness on the need for a large training data and optimization is used less efficiently. Particle Swarm Optimization (PSO) is an optimization algorithm that can solve the problem of effective neural network algorithms are generally using the backpropagation algorithm. Model-based testing by using Particle Swarm Optimization Backpropagation using customer data lost on telecommunications. The resulting models were tested to obtain accuracy and AUC values of each algorithm to obtain test the accuracy of the values obtained using Backpropagation is 85.48 % and the AUC value was 0.531. While testing using Particle Swarm Optimization based Backpropagation selected attributes and adjusting parameter values obtained 86.05% accuracy and AUC value was 0.637. It can be concluded that the customer data lost in the telecommunications test applications using Particle Swarm Optimization Backpropagation applications and in the selection of attributes is obtained that this method is more accurate in predicting the missing customer telecommunications compared with Backpropagation, characterized by an increase in accuracy of 00:57% and AUC values of 0.106,