Pelatihan Jaringan Syaraf Tiruan Multi Layer Perceptron Menggunakan Genetic Algorithm Levenberg Marquardt

Oleh :
Anisa Atiliani - M0508005 - Fak. MIPA

Optimasi proses pelatihan jaringan syaraf tiruan (JST) multilayer perceptron (MLP) dapat dilakukan dengan beberapa cara, salah satunya adalah dengan menggunakan Genetic Algorithm (GA). Penelitian ini membahas mengenai kinerja GA yang diinjeksikan terhadap algoritma pelatihan JST Levenberg Marquardt (LM) yang kemudian disebut dengan Genetic Algoritm Levenberg Marquardt (GALM) terhadap kinerja algoritma LM untuk kasus prediksi kekuatan tekan beton mutu tinggi. Proses pelatihan JST MLP GALM dilakukan dengan menggunakan GA sebagai optimasi bobot awal sebelum dilakukan pelatihan jaringan dengan LM. Pelatihan kedua dengan menggunakan algoritma LM saja. Proses pelatihan dilakukan sampai nilai Mean Square Error (MSE) mencapai konvergen. Algoritma GALM mampu memperbaiki proses training dengan menghilangkan kegagalan proses training pada arsitektur dengan 16 dan 24 hidden neuron. Pengukuran kinerja pelatihan algoritma GALM dan LM menunjukkan bahwa arsitektur 8-5-1 merupakan arsitektur terbaik untuk kedua algoritma. Hasil pengujian terhadap arsitektur 8-5-1 menggunakan kedua algoritma mendapatkan nilai MAPE rata-rata 9.73% untuk LM dan 10.99% untuk GALM.