OPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK

Abstract

Algoritma umum metode propagasi balik dalam jaringan syaraf tiruan memiliki beberapa kelemahan iterasi mundur, karena itu dalam penelitian ini dilakukan perbaikan metode propagasi balik. Kelemahan tersebut bisa diperbaiki dengan memberikan parameter momentum (α) yang mengintegrasikan dirinya ke dalam persamaan umum sebagai learning term. Parameter momentum dan laju belajar pada bagian koreksi bobot diintegrasikan bersamaan. Persamaan hasil perbaikan adalah sebuah persamaan umum yang dijumlahkan dengan faktor koreksi bobot –η(1-α) Δwn + α Δwn – 1.
Namun kecepatan iterasi dari persamaan perbaikan metode propagasi balik lebih tinggi minimal 50,6% dari pada persamaan hasil pengembangan terakhir (advanced propagasi balik) pada tingkat ralat 0,01.
Hal ini disebabkan efisiensi perbaikan bobot yang sangat tinggi. Aktivasi bobot pada metode propagasi balik berbasis momentum term dan metode propagasi balik hasil perbaikan memberikan hasil yang tidak signifikan, karena kedua metode tersebut memiliki dasar perhitungan numerik yang sama.
Kata Kunci : propagasi balik, ralat, konvergensi, kinerja, bobot