Tingkat Ketelitian Pengenalan Pola Data pada Algoritma Pelatihan Perbaikan Metode Batch Mode dalam Jaringan Syaraf Tiruan (The Level of Data Pattern Recognition Accuracy on Training Algorithm of Batch Mode Improved Method in Neural Network)
| Main Authors: | Wibowo, Feri, Sugiyanto, Sigit, Mustafidah, Hindayati |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
University of Muhammadiyah Purwokerto
, 2013
|
| Online Access: |
http://juita.ump.ac.id/index.php/juita/article/view/62 http://juita.ump.ac.id/index.php/juita/article/view/62/53 |
Daftar Isi:
- Abstrak - Metode backpropagation dalam jaringan syaraf tiruan menggunakan beberapa macam algoritma pelatihan dalam menyelesaikan permasalahan. Algoritma-algoritma ini perlu diuji untuk mendapatkan algoritma pelatihan yang paling teliti dalam mengenali pola data. Dalam penelitian ini dilakukan pengujian terhadap 6 algoritma pelatihan yang termasuk dalam algoritma perbaikan dari metode batch mode yaitu algoritma traingda, traingdx, trainrp, trainbfg, trainoss, dan trainlm. Berdasarkan hasil uji statistik menggunakan analisis variansi, dengan tingkat kepercayaan 95% diperoleh hasil bahwa algoritma trainlm merupakan algoritma yang paling teliti dengan rata-rata error 0,0063. Dengan demikian hasil ini dapat digunakan sebagai dasar untuk pengembangan penelitian maupun aplikasi di bidang jaringan syaraf tiruan khususnya bagi para peneliti ataupun pendidik untuk pengembangan ilmu dan teknologi. Kata-kata kunci: algoritma pelatihan, backpropagation, tingkat ketelitian, pengenalan pola data, batch mode. Abstract -Backpropagation method in neural network using some training algorithms in problem solving. These algorithms need to be tested to get the most accuracy in identifying patterns of data. In this study conducted testing of 6 training algorithms that included in the improved of batch mode algorithms, i.e. traingda, traingdx, trainrp, trainbfg, trainoss, and trainlm. Based on the results of the statistical tests using analysis of variance (ANOVA) with a confidence level of 95% of the obtained results that trainlm algorithm is the most accurate with an average error of 0,0063. Thus these results can be used as a basis for the development of research and applications in the field of neural networks specifically for researchers or educators for development of science and technology. Keywords: training algorithm, backpropagation, level of accuracy, data pattern recognition, batch mode.