PENENTUAN ALGORITMA PELATIHAN JARINGAN SYARAF TIRUAN MENGGUNAKAN MODEL NEURON 5-6-1 DAN 5-8-1 DALAM KETEPATAN PENGENALAN POLA DATA

NUGROHO, EBRYAN SETYA (2019) PENENTUAN ALGORITMA PELATIHAN JARINGAN SYARAF TIRUAN MENGGUNAKAN MODEL NEURON 5-6-1 DAN 5-8-1 DALAM KETEPATAN PENGENALAN POLA DATA. Bachelor thesis, Universitas Muhammadiyah Purwokerto.

	Text EBRYAN SETYA NUGROHO COVER.pdf Download (1MB)
	Text EBRYAN SETYA NUGROHO BAB I.pdf Download (949kB)
	Text EBRYAN SETYA NUGROHO BAB II.pdf Download (1MB)
	Text EBRYAN SETYA NUGROHO BAB III.pdf Restricted to Repository staff only Download (1MB)
	Text EBRYAN SETYA NUGROHO BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text EBRYAN SETYA NUGROHO BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text EBRYAN SETYA NUGROHO BAB V.pdf Restricted to Repository staff only Download (928kB)
	Text EBRYAN SETYA NUGROHO DAPUS.pdf Download (953kB)
	Text EBRYAN SETYA NUGROHO LAMPIRAN.pdf Restricted to Repository staff only Download (7MB)

Abstract

Jaringan Syaraf Tiruan adalah suatu metode pengelompokan dan pemisahan data yang prinsip kerjanya sama seperti jaringan syaraf manusia. Jaringan syaraf tiruan banyak digunakan untuk menyelesaikan berbagai masalah khususnya metode backpropagation. Backpropagation merupakan algoritma pembelajaran yang terawasi dan terbimbing yang berfungsi sebagai pembimbing untuk melatih jaringan hingga diperoleh bobot yang terbaik. Dalam meteode backpropagation terdapat 12 algoritma pelatihan. Dengan adanya 12 algoritma pelatihan tersebut maka perlu dilakukan pengujian untuk mendapatkan algoritma pelatihan yang paling tepat dalam mengenali pola data. Data yang digunakan dalam pengujian ini adalah data random dengan model neuron 5 neuron input menggunakan learning rate 0.01, 0.05, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1. Hasil pengujian yang telah dilakukan menggunakan uji statistik Inferensi pada model neuron 5-6-1 menghasilkan algoritma pelatihan yang paling tepat dalam mengenali pola data yaitu Levenberg-Marquardt (trainlm) pada learning rate 0.9 dengan nilai rata-rata delta sebesar 0.00695500000. Namun dalam analisis statistik Deskriptif pada model neuron 5-6-1 didapatkan algoritma Resilent Backpropagation (trainrp) sebagai algoritma yang mempunyai persentase terbesar dalam ketepatan mengenali pola data dengan nilai persentase 98%. Sementara itu dalam analisis statistik Deskriptif pada model neuron 5-6-1 didapatkan algoritma Resilent Backpropagation (trainrp) sebagai algoritma yang mempunyai persentase terbesar dalam ketepatan mengenali pola data dengan nilai persentase 98%. Sedangkan pada model neuron 5-8-1 analisis statistik Deskriptif didapatkan algoritma Levenberg-Marquardt (trainlm), Resilent Backpropagation (trainrp), Scaled Conjugate Gradient (trainscg) sebagai algoritma yang memiliki persentase terbesar dengan nilai 100%. Berdasarkan kedua pengujian tersebut didapatkan algoritma Levenberg-Marquardt (trainlm) sebagai algoritma yang paling tepat dalam mengenali pola data.

Actions (login required)

View Item