Analisis Teknik Line Search pada Algoritma Conjugate Gradient untuk Optimasi Pembelajaran Backpropagation Studi kasus Peramalan Parameter Cuaca

NURFADILLAH

Informasi Dasar

113092016
518.172
Karya Ilmiah - Skripsi (S1) - Reference

Artificial Neural Networks (ANN) merupakan salah satu kajian dalam Artificial Intelligence (AI) yang menfokuskan pada pemodelan sel syaraf biologi ke dalam sistem komputer yang mampu belajar dari pengalaman. Salah satu algoritma pembelajaran ANN yang cukup handal adalah Backpropagation. Backpropagation melakukan dua tahap perhitungan yaitu dengan melakukan propagasi maju untuk menghitung keluaran dari sistem dan propagasi mundur untuk melakukan update bobot berdasarkan selisih error. Namun Backpropagation memiliki kelemahan dalam hal waktu pembelajaran. Untuk dapat menghasilkan sistem dengan performansi yang baik, diperlukan jumlah data latih yang cukup banyak dan waktu latih yang relatif lama. Kelemahan ini dapat diatasi dengan menggunakan Algoritma Conjugate Gradient. Algoritma Conjugate Gradient melakukan perhitungan secara ortogonal sehingga dapat mempercepat proses konvergensi dalam tahap pembelajaran. Dalam penelitian ini, dilakukan perbandingan performansi dari 5 macam algoritma Conjugate Gradient, yaitu Polak Riebere Plus, Fletcher Reeves, Powell Beale, Dai Yuan, dan Chen Du dengan teknik Line Search, Yaitu Secant Method dan Strong Wolfe Condition. Studi kasus yang digunakan disini berupa peramalan parameter cuaca yang meliputi temperatur udara, tekanan udara, kelembaban, dan hujan. Pemilihan ini didasarkan pada sifat peramalan udara yang nonlinear dan data latih yang cukup lengkap dan tersedia sesuai dengan kebutuhan proses pembelajaran. Selain itu, cuaca merupakan hal yang penting dan berkaitan dengan berbagai aktivitas manusia. Hasil penelitian menunjukan bahwa algoritma Conjugate Gradient menggunakan teknik Line Search Secant Method dan Strong wolfe condition mampu mempercepat proses pelatihan dengan rata-rata minimum epoch latih sebesar 2 untuk temperatur udara, 1 untuk tekanan udara, 1 untuk kelembaban udara, dan 3 untuk hujan dibandingkan Backpropagation standar. Akurasi peramalan maksimum menggunakan Conjugate Gradient untuk data temperatur udara adalah 94.04 %, untuk data kelembaban udara adalah 94.11%, untuk data tekanan udara adalah 99.89%, dan untuk data curah hujan adalah 63.74%. backpropagation, conjugate gradient, line search, secant method, strong wolfe condition, parameter cuaca

Subjek

ALGORITHM ANALYSIS
 

Katalog

Analisis Teknik Line Search pada Algoritma Conjugate Gradient untuk Optimasi Pembelajaran Backpropagation Studi kasus Peramalan Parameter Cuaca
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

NURFADILLAH
Perorangan
Dr. Adiwijaya, MSi.; Untari Novia Wisesty, ST, MT
 

Penerbit

Universitas Telkom
Bandung
2013

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini