Tingkat Ketepatan Pengenalan Pola Data Algoritma Pelatihan pada Jaringan Syaraf Tiruan Menggunakan Model Neuron 10-16-1 dan 15-29-1

Abstract

Algoritma pelatihan merupakan bagian terpenting dalam Jaringan Syaraf Tiruan (JST). Kinerja algoritma ini dipengaruhi oleh beberapa parameter jaringan diantaranya banyaknya neuron dalam lapisan input, banyaknya neuron dalam lapisan tersembunyi, maksimum epoh, learning rate (lr). Pada penelitian terdahulu dilakukan pengujian menggunakan model neuron 6-10-1 diperoleh hasil bahwa algoritma pelatihan Levenberg-Marquardt  (trainlm) adalah algoritma yang paling tepat dalam mengenali pola data dengan tingkat rata-rata kesesuaian 87.5%. Pada penelitian ini dilakukan pengujian tingkat ketepatan pengenalan pola data algoritma pelatihan pada jaringan syaraf tiruan menggunakan model neuron 10-16-1 dan 15-29-1, parameter jaringan yang digunakan diantaraya target eror = 0.001 (10^-3), maksimum epoh = 10000 (10⁴), nilai learning rate (lr) = 0.01, 0.05, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0. Hasil dari penelitian yang telah dilakukan  adalah pada model 10-16-1 algoritma pelatihan JST yang paling optimal tingkat ketepatan pengenalan pola data ditinjau dari rata-rata delta terkecil dan besarnya persentase ketepatan pengenalan pola data yaitu algoritma pelatihan Levenberg-Marquardt (trainlm) dengan nilai rata-rata delta = 0.00632000000 pada learning rate (lr) = 0.9 dengan persentase kecocokan mengenali pola data sebesar 100%. Pada model 15-29-1 algoritma pelatihan JST yang paling optimal tingkat ketepatan pengenalan pola data ditinjau dari rata-rata delta terkecil dan besarnya persentase kecocokan rata-rata delta algoritma pelatihan pada setiap learning rate (lr) adalah Levenberg-Marquardt (trainlm) dengan nilai rata-rata delta = 0.00530500000 pada learning rate (lr) = 0.7 dengan  persentase ketepatan mengenali pola data sebesar 100%.