Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-0125
Collection Type Tesis
Title Modifikasi Jaringan Propagasi Balik menggunakan Modul SWA-Organisasi Adaptif: Karakteristik dan Implementasi
Author Linda Rostiviani;
Publisher Depok: Pascasarjana Fak. Ilmu Komputer UI, 1999
Subject Backpropagation (Artificial intelligence)
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-0125 99/8348 TERSEDIA
Tidak ada review pada koleksi ini: 8306
ABSTRAK

Dalam teori jaringan nerual buatan (JNB) telah dikembangkan berbagai jenis jaringan neural yang berbeda. Diantaranya ada beberapa yang sudah cukup sering digunakan, misalnya jaringan propagasi balik dan jaringan swa-organisasi. Propagasi balik telah sukses digunakan untuk menyelesaikan berbagai permasalahan pengenalan, klasifikasi, aproksimasi, prediksi, dan lain-lain. Namun jaringan propagasi balik membutuhkan waktu yang lama dalam pembelajarannya. Jaringan swa-organisasi mempunyai kemampuan klustering yang baik dan waktu pembelajaran nya. Jaringan swa-organisasi mempunyai kemampuan klustering yang baik dan waktu pembelajaran yang singkat. Penelitian ini akan merancang sebuah jaringan hibrid dengan cara menggabungkan propagasi balik dan swa-organisasi untuk mendapatkan kemampuan pengenalan yang lebih baik dan waktu pembelajaran yang lebih singkat. Jaringan hibrid yang terbentuk teridiri dari 2 modul, yaitu modul swa-organisasi adaptif dan modul supervisi. Modul swa-organisasi adaptif bersifat tanpa pengarahan dan bobot-bobotnya dikontrol oleh pola masukan. Modul supervisi yang bersifat dengan pengarahan diarahkan oleh target yang telah ditentukan. Karakteristik jaringan akan dilihat dengan kasus XOR. Kemampuan pengenalan jaringan diuji dengan menggunakan data aroma Martha Tilar dan konsentrasi etanol. Hasil penelitian menunjukkan jaringan hibrid dapat mengenali pola yang dilatihkan, pola yang tidak dilatihkan dan dapat mengidentifikasi kelas pola baru yang tidak diikutsertakan dalam pelatihan. Hasil perbandingan dengan jaringan propagasi balik standar memperlihatkan bahwa jaringan hibrid mempunyai kemampuan pengenalan yang lebih baik dan waktu pembelajaran yang lebih singkat.