Adaptive genetic algorithm (aga) radial basis function (rbf) neural network untuk klasifikasi
Penulis Utama
:
Muh Aziz Nugroho
NIM / NIP
:
M0508053
×Jaringan Syaraf Tiruan (JST) merupakan salah satu metode yang dapat digunakan untuk melakukan klasifikasi. Salah satu model jaringan syaraf tiruan adalah Radial basis function (RBF). Dengan berkembangnya penelitian, muncul beberapa penelitian yang bertujuan meningkatkan akurasi hasil pelatihan JST RBF dengan cara optimasi bobot hasil pelatihan JST RBF. Salah satu algoritma yang dapat digunakan untuk optimasi tersebut adalah algoritma genetika. Sementara itu dari beberapa penelitian mengenai algoritma genetika, muncul beberapa modifikasi untuk meningkatkan performa algoritma genetika. Salah satunya adalah Adaptive Genetic Algorithm (AGA) yaitu dengan pendekatan baru untuk penentuan probabilitas crossover dan probabilitas mutasi yang adaptif sesuai dengan fungsi fitness. Oleh karena itu, penelitian ini melakukan evaluasi tentang penggabungan RBF dengan AGA untuk klasifikasi data untuk mengetahui akurasi AGA RBF. Penelitian ini dilakukan dengan melakukan simulasi pada data tumbuhan iris. Penentuan center RBF menggunakan algoritma clustering K-Means. Setelah RBF dilatih dan didapatkan bobot selanjutnya bobot diubah dengan AGA. Fungsi fitness AGA adalah akurasi RBF untuk data training dimana proses training menggunakan 70 % data dan proses testing dengan 30 %. Efektifitas klasifikasi diukur dari hasil akurasi. Skenario yang dijalankan adalah melakukan simulasi untuk mendapatkan variabel RBF yang terbaik untuk masing-masing arsitektur, kemudian kombinasi variabel terbaik dari variabel RBF dari masing-masing arsitektur dikombinasikan dengan variabel AGA RBF untuk mendapatkan variabel AGA RBF yang terbaik untuk masing-masing arsitektur. Arsitektur yang digunakan adalah JST dengan 2 hidden layer sampai 10 hidden layer. Evaluasi dari simulasi menunjukkan bahwa JST AGA RBF (Adaptive Genetic Algorithm Radial Basis Function) dapat memperbaiki akurasi untuk arsitektur JST RBF yang sederhana yaitu pada arsitektur dengan hidden layer 2, 3, 4 dan 5, sedangkan untuk arsitektur yang lebih kompleks yaitu pada arsitektur dengan hidden layer 6, 7, 8, 9 dan 10, akurasi AGA RBF relatif sama dengan akurasi RBF, namun cenderung menurun dengan presentase penurunan akurasi yang relatif kecil. Dari seluruh simulasi yang dilakukan dapat direkomendasikan bahwa algoritma yang paling tepat untuk melakukan klasifikasi tumbuhan iris adalah algoritma RBF dengan arsitektur 6 hidden layer. Kata Kunci : Adaptive Genetic Algorithm, Jaringan Syaraf Tiruan, Klasifikasi, Radial Basis Function
×
Penulis Utama
:
Muh Aziz Nugroho
Penulis Tambahan
:
-
NIM / NIP
:
M0508053
Tahun
:
2012
Judul
:
Adaptive genetic algorithm (aga) radial basis function (rbf) neural network untuk klasifikasi
