ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ABSTRACT: Algoritma
backpropagation merupakan multi layer perceptron yang banyak digunakan untuk
menyelesaikan persoalan yang luas, namun algoritma backpropagation juga
mempunyai keterbatasan yaitu laju konvergensi yang cukup lambat. Pada
penelitian ini penulis menambahkan parameter learning rate secara adaptif pada
setiap iterasi dan koefisien momentum untuk menghitung proses perubahan bobot.
Dari hasil simulasi komputer maka diperoleh perbandingan antara algoritma
backpropagation standar dengan backpropagation dengan penambahan momentum.
Untuk algoritma backpropagation standar kecepatan konvergensi 727 epoch dengan
nilai MSE 0,01, sedangkan algoritma backpropagation standar mencapai 4000 epoch
dengan nilai MSE 0,001. . Hal ini menunjukkan bahwa algoritma backpropagation
adaptive learning lebih cepat mencapai konvergensi daripada algoritma
backpropagation standar.
Penulis: Eka Irawan, M.
Zarlis, Erna Budhiarti Nababan
Kode Jurnal: jptinformatikadd170423
