MISRATUL IFFA, - (2022) OPTIMASI BOBOT DAN BIAS AWAL PADA ARSITEKTUR BACKPROPAGATION NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text FILE LENGKAP KECUALI HASIL PENELITIAN (BAB IV).pdf Download (8MB) | Preview
	Text (BAB IV) FILE HASIL PENELITIAN (BAB IV).pdf - Published Version Restricted to Repository staff only Download (693kB)

Abstract

MISRATUL IFFA (2022) : OPTIMASI BOBOT DAN BIAS AWAL PADA ARSITEKTUR BACKPROPAGATION NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA Kelemahan pada Algoritma Backpropagation Neural Network (BPNN) yaitu cenderung lama dalam mencapai konvergen untuk mendapatkan tingkat akurasi yang optimum. Hal ini disebabkan karena resiko terjebaknya Jaringan Syaraf Tiruan (JST) pada lokal minimum. Kelemahan lainnya juga dipengaruhi oleh bobot awal dan bias awal yang dipilih secara acak. Sehingga tujuan pada penelitian ini untuk meningkatkan proses pembelajaran prediksi dan mengetahui ketepatan prediksi yang dilakukan menggunakan Optimasi Backpropagation Neural Network dengan Algoritma Genetika. Hasil dari penelitian ini dengan menggunakan data Jumlah Tingkat Pengangguran Terbuka (TPT) di Provinsi Riau dan data Jumlah Kemiskinan pada Kab/Kota di Indonesia memperoleh hasil bahwa penggunaan optimasi Algoritma Genetika menghasilkan nilai MSE terbaik dibandingkan tanpa menggunakan optimasi. Hasil pada data TPT di Provinsi Riau memperoleh hasil MSE 0,03565 sehingga memperoleh individu terbaik dengan parameter Learning Rate 0,2, Populasi 100, Generasi 20, Iterasi 150, Crossover Rate 0,2 dan Mutation Rate 0,8, sedangkan untuk data Kemiskinan pada Kab/Kota di Indonesia memperoleh hasil MSE 0,00817 sehingga dapat menghasilkan individu terbaik dengan parameter Learning Rate 0,1, Populasi 150, Generasi 20, Iterasi 500, Crossover Rate 0,8 dan Mutation Rate 0,2. Kata Kunci: Algoritma Genetika, Backpropagation Neural Network, Jaringan Syaraf Tiruan, Optimasi

Actions (login required)

View Item