Pelatihan Jaringan Syaraf Tiruan Multi Layer Perceptron Menggunakan Genetic Algorithm Levenberg Marquardt
Penulis Utama
:
Anisa Atiliani
NIM / NIP
:
M0508005
×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.
×
Penulis Utama
:
Anisa Atiliani
Penulis Tambahan
:
-
NIM / NIP
:
M0508005
Tahun
:
2013
Judul
:
Pelatihan Jaringan Syaraf Tiruan Multi Layer Perceptron Menggunakan Genetic Algorithm Levenberg Marquardt
