Pengaruh Nilai Hidden layer dan Learning rate Terhadap Kecepatan Pelatihan Jaringan Saraf Tiruan Backpropagation

supriyanto supriyanto, Sunardi Sunardi, imam riadi

Abstract


Jaringan Saraf Tiruan (JST) merupakan salah satu metode yang dapat digunakan untuk memecahkan masalah proses prediksi.  JST berfungsi sebagai pengganti saraf dan otak manusia dengan kemampuan belajar dan generalisasi dengan cepat dalam pengenalan pola. JST backpropagation dalam proses pelatihan membutuhkan kombinasi parameter yang tepat seperti hidden layer, learning rate, dan jumlah iterasi karena terkait dengan waktu proses pelatihan dan galat yang akan dihasilkan. Pada penelitian ini dilakukan pengujian terhadap parameter masukan dari kombinasi nilai hidden layer, learning rate dan jumlah iterasi untuk mengetahui sejauh mana waktu yang dibutuhkan oleh JST backpropagation dalam melakukan pelatihan terhadap data masukan. Hasil dari pelatihan jaringan, Parameter jumlah nilai hidden layer sebesar 12 neuron untuk mendapatkan waktu pelatihan yang cepat sebanyak 3 menit 44 detik dengan galat MSE 1,654151. Pada Jumlah iterasi yang dibutuhkan dengan arsitektur hidden layer 12 neuron, dibutuhkan sebanyak 100000 iterasi dengan waktu pelatihan 21 menit 52 detik. Sedangkan pada parameter learning rate menggunakan 12  neuron dan iterasi sebesar 100000, nilai leraning rate rate yang tepat untuk pelatihan sebesar 0,5 dengan waktu yang dibutuhkan untuk pelatihan 18 menit 35 detik dengan galat MSE 0,302868.


Keywords


jaringan, saraf, backpropagation, learning, hidden

References


B. K. Sihotang and A. Wanto, “Analisis Jaringan Syaraf Tiruan Dalam Memprediksi Jumlah Tamu Pada Hotel Non Bintang,” Techno.COM, vol. 17, no. 4, pp. 333–346, 2018.

A. Wanto et al., “Epoch Analysis and Accuracy 3 ANN Algorithm using Consumer Price Index Data in Indonesia,” pp. 35–41, 2021, doi: 10.5220/0010037400350041.

P. Wibowo, S. Suryono, and V. Gunawan, “Pengaruh Perbedaan Jumlah Hidden Layer dalam Jaringan Syaraf Tiruan Terhadap Prediksi Kebutuhan Captopril dan Paracetamol pada Rumah Sakit,” J. Media Apl., vol. 11, no. 2, pp. 45–58, 2019.

S. P. Siregar, A. Wanto, and Z. M. Nasution, “Analisis Akurasi Arsitektur JST Berdasarkan Jumlah Penduduk Pada Kabupaten / Kota di Sumatera Utara,” Sensasi 2018, no. Juli, pp. 526–536, 2018.

C. D. Suhendra and R. Wardoyo, “Penentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 9, no. 1, p. 77, 2015, doi: 10.22146/ijccs.6642.

H. Mustafidah, A. Y. Rahmadhani, and H. Harjono, “Optimasi Algoritma Pelatihan Levenberg–Marquardt Berdasarkan Variasi Nilai Learning-Rate dan Jumlah Neuron dalam Lapisan Tersembunyi (Optimization of Levenberg-Marquardt Training Algorithm Based on the Variations Value of Learning-Rate and the Number of N,” JUITA (Jurnal Inform. UMP, vol. VII, no. 1, pp. 55–62, 2019.

T. Brian, “Analisis Learning Rates Pada Algoritma Backpropagation Untuk Klasifikasi Penyakit Diabetes,” Edutic - Sci. J. Informatics Educ., vol. 3, no. 1, pp. 21–27, 2017, doi: 10.21107/edutic.v3i1.2557.

K. N. A. Dewi, S. Bhari, and Irwansyah, “Model Prediksi Curah Hujan Harian Menggunakan Jaringan Syaraf Tiruan Backpropagation,” Indones. Phys. Rev., vol. 2, no. 1, pp. 9–17, 2019, doi: 10.29303/i pr.v2i1.17.

I. P. Sutawinaya, I. N. G. A. Astawa, and N. K. D. Hariyanti, “Perbandingan Metode Jaringan Saraf Tiruan Pada Peramalan Curah Hujan,” Logic, vol. 17, no. 2, pp. 92–97, 2017, doi: 10.31940/logic.v17i2.542.

L. Nurhani, A. Gunaryati, S. Andryana, and I. Fitri, “Jaringan Syaraf Tiruan Dengan Metode Backpropagation untuk Memprediksi Jumlah Mahasiswa Baru,” in Seminar Nasional Teknologi Informasi dan Multimedia, 2018, pp. 25–30.

I. M. Sofian and Y. Apriaini, “Metode Peramalan Jaringan Saraf Tiruan Menggunakan Algoritma Backpropagatin (Studi Kasus Peramalan Curah Hujan Kota Palembang),” J. MIPA, vol. 40, no. 2, pp. 87–91, 2017.

N. P. Sakinah, I. Cholissodin, and A. W. Widodo, “Prediksi Jumlah Permintaan Koran Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 7, pp. 2612–2618, 2018.




DOI: http://dx.doi.org/10.26798/jiko.v6i1.508

Article Metrics

Abstract view : 560 times
PDF (Bahasa Indonesia) - 161 times

Refbacks

  • There are currently no refbacks.




Copyright (c) 2022 supriyanto supriyanto, Sunardi Sunardi, imam riadi


JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413