Penentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika
Abstrak: Kelemahan dari
jaringan syaraf tiruan backpropagation adalah sangat lama untuk konvergen dan
permasalahan lokal mininum yang membuat jaringan syaraf tiruan (JST) sering terjebak
pada lokal minimum. Kombinasi parameter arsiktektur, bobot awal dan bias awal
yang baik sangat menentukan kemampuan belajar dari JST untuk mengatasi
kelemahan dari JST backpropagation.
Pada penelitian Ini dikembangkan sebuah metode untuk menentukan kombinasi
parameter arsitektur, bobot awal dan bias awal. Selama ini kombinasi ini
dilakukan dengan mencoba kemungkinan satu per satu, baik kombinasi hidden layer
pada architecture maupun bobot awal, dan bias awal. Bobot awal dan bias awal
digunakan sebagai parameter dalam perhitungan nilai fitness. Ukuran setiap
individu terbaik dilihat dari besarnya jumlah kuadrat galat (sum of squared
error = SSE) masing – masing individu, individu dengan SSE terkecil merupakan individu
terbaik. Kombinasi parameter arsiktektur, bobot awal dan bias awal yang terbaik
akan digunakan sebagai parameter dalam pelatihan JST backpropagation.
Hasil dari penelitian ini adalah sebuah solusi alternatif untuk
menyelesaikan permasalahan pada pembelajaran backpropagation yang sering
mengalami masalah dalam penentuan parameter pembelajaran. Hasil penelitian ini
menunjukan bahwa metode algoritma genetika dapat memberikan solusi bagi
pembelajaran backpropagation dan memberikan tingkat akurasi yang lebih baik,
serta menurunkan lama pembelajaran jika dibandingkan dengan penentuan parameter
yang dilakukan secara manual.
Penulis: Christian Dwi
Suhendra, Retantyo Wardoyo
Kode Jurnal: jptinformatikadd150268
