Implementasi Jaringan Saraf Tiruan Resilient Backpropagation ( Rprop ) Dalam Klasifikasi Objek
| Main Author: | Rukiyah, Siti |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/4210/ |
Daftar Isi:
- Metode jaringan saraf tiruan resilient backpropagation (RPROP) merupakan suatu metode pembelajaran yang terawasi dan biasa digunakan oleh perceptron dengan banyak lapisan guna untuk mengubah nilai bobot yang terhubung dengan neuron-neuron yang terdapat di lapisan tersembunyi. Tahap pengerjaan pada algoritma RPROP sama dengan metode backpropagation yaitu tahap perambatan maju (feedfordward) dan tahap perambatan mundur (backward). Pada proses perambatan mundur (backward) berbeda dengan algoritma backpropagation yaitu perbaikan pada nilai pembobot ditentukan oleh suatu faktor yang dapat diatur pada parameter faktor penaik dan penurun. Tujuan dari skripsi adalah mengetahui hasil klasifikasi dan tingkat akurasi dari metode jaringan saraf tiruan resilient backpropagation dalam klasifikasi objek. Data yang digunakan dalam penelitian terdapat 3 kasus data yang berbeda dengan karakteristik yang berbeda pula. Data 1 mengenai pengaruh konsumsi fastfood terhadap status gizi anak, Data 2 mengenai deteksi penyakit diabetes penduduk wanita suku Pima di India dan Data 3 mengenai pengaruh sosial dan ekonomi terhadap konsumsi alkohol pada penduduk wanita di Amerika Serikat. Hasil penelitian pada ketiga data menghasilkan model jaringan yang optimal secara berurutan adalah model jaringan 4-8-1 untuk data 1 dan data 3 sedangkan model jaringan 4-9-1 untuk data 2. Berdasarkan pada arsitektur jaringan tersebut data pertama menghasilkan nilai ketepatan klasifikasi sebesar 90%. Pada data ke-2 memiliki nilai ketepatan klasifikasi sebesar 85% dan data ke-3 memiliki nilai tingkat akurasi sebesar 91.7%. Hal ini menunjukkan bahwa metode RPROP memiliki tingkat performansi tinggi dalam hal tingkat akurasi klasifikasi pada data.