Pemilihan Arsitektur Jaringan Syaraf Tiruan Menggunakan Algoritma Genetika

Main Author: IkaPratiwi
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2009
Subjects:
Online Access: http://repository.ub.ac.id/152064/1/050900204.pdf
http://repository.ub.ac.id/152064/
ctrlnum 152064
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/152064/</relation><title>Pemilihan Arsitektur Jaringan Syaraf&#xD; Tiruan Menggunakan Algoritma Genetika.</title><creator>IkaPratiwi</creator><subject>510 Mathematics</subject><description>Jaringan syaraf tiruan yang selanjutnya dikenal dengan JST merupakan algoritma pembelajaran mesin yang diilhami dari pengetahuan tentang sel syaraf biologi di dalam otak, mampu untuk menyelesaikan permasalahan yang rumit dan menemukan pola pada data. Kemampuan jaringan syaraf tiruan untuk &#x2018;belajar&#x2019; sangat tergantung pada arsitektur jaringan yang digunakan. Arsitektur jaringan terdiri dari 3 lapisan yang saling terkoneksi, yaitu lapisan masukan, lapisan tersembunyi, dan lapisan keluaran. Penentuan jumlah neuron pada lapisan masukan disesuaikan dengan jumlah data masukan diskrit dari permasalahan. Dan pada lapisan keluaran disesuaikan dengan jumlah yang dibutuhkan untuk memodelkan solusi dari permasalahan. Untuk lapisan tersembunyi, jumlah yang diperlukan sangat bervariasi dan biasanya dibutuhkan analisa heuristik untuk menentukan jumlah unit yang optimal. Selama ini, dalam menentukan jumlah neuron dalam lapisan tersembunyi dilakukan dengan cara mencoba satu per satu kombinasi antara jumlah neuron masukan, jumlah neuron tersembunyi, dan jumlah neuron keluaran, tanpa adanya aturan yang pasti. Algoritma genetika sebagai salah satu metode heuristik, dapat memberikan kemungkinan solusi bagi permasalahan pemilihan arsitektur jaringan. Dalam melakukan optimasi arsitektur jaringan, algoritma genetika memilih kombinasi jumlah neuron dan menggunakan parameter jaringan syaraf tiruan sebagai fungsi penghitungan fitness untuk menentukan kombinasi yang paling optimal. Hal ini dapat mengurangi kemungkinan mencoba satu per satu kombinasi. Berdasarkan uji coba yang telah dilakukan, nilai MSE yang dihasilkan arsitektur jaringan syaraf tiruan dengan optimasi lebih kecil daripada arsitektur jaringan syaraf tiruan tanpa optimasi. Sehingga dapat dibuktikan bahwa algoritma genetika mampu melakukan optimasi arsitektur pada jaringan syaraf tiruan.</description><date>2009-01-07</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/152064/1/050900204.pdf</identifier><identifier> IkaPratiwi (2009) Pemilihan Arsitektur Jaringan Syaraf Tiruan Menggunakan Algoritma Genetika. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/MIPA/2009/11/050900204</relation><recordID>152064</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author IkaPratiwi
title Pemilihan Arsitektur Jaringan Syaraf Tiruan Menggunakan Algoritma Genetika
publishDate 2009
topic 510 Mathematics
url http://repository.ub.ac.id/152064/1/050900204.pdf
http://repository.ub.ac.id/152064/
contents Jaringan syaraf tiruan yang selanjutnya dikenal dengan JST merupakan algoritma pembelajaran mesin yang diilhami dari pengetahuan tentang sel syaraf biologi di dalam otak, mampu untuk menyelesaikan permasalahan yang rumit dan menemukan pola pada data. Kemampuan jaringan syaraf tiruan untuk ‘belajar’ sangat tergantung pada arsitektur jaringan yang digunakan. Arsitektur jaringan terdiri dari 3 lapisan yang saling terkoneksi, yaitu lapisan masukan, lapisan tersembunyi, dan lapisan keluaran. Penentuan jumlah neuron pada lapisan masukan disesuaikan dengan jumlah data masukan diskrit dari permasalahan. Dan pada lapisan keluaran disesuaikan dengan jumlah yang dibutuhkan untuk memodelkan solusi dari permasalahan. Untuk lapisan tersembunyi, jumlah yang diperlukan sangat bervariasi dan biasanya dibutuhkan analisa heuristik untuk menentukan jumlah unit yang optimal. Selama ini, dalam menentukan jumlah neuron dalam lapisan tersembunyi dilakukan dengan cara mencoba satu per satu kombinasi antara jumlah neuron masukan, jumlah neuron tersembunyi, dan jumlah neuron keluaran, tanpa adanya aturan yang pasti. Algoritma genetika sebagai salah satu metode heuristik, dapat memberikan kemungkinan solusi bagi permasalahan pemilihan arsitektur jaringan. Dalam melakukan optimasi arsitektur jaringan, algoritma genetika memilih kombinasi jumlah neuron dan menggunakan parameter jaringan syaraf tiruan sebagai fungsi penghitungan fitness untuk menentukan kombinasi yang paling optimal. Hal ini dapat mengurangi kemungkinan mencoba satu per satu kombinasi. Berdasarkan uji coba yang telah dilakukan, nilai MSE yang dihasilkan arsitektur jaringan syaraf tiruan dengan optimasi lebih kecil daripada arsitektur jaringan syaraf tiruan tanpa optimasi. Sehingga dapat dibuktikan bahwa algoritma genetika mampu melakukan optimasi arsitektur pada jaringan syaraf tiruan.
id IOS4666.152064
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:53:02Z
last_indexed 2021-10-28T07:38:58Z
recordtype dc
_version_ 1751454570301620224
score 17.538404