Pengaruh Kombinasi Algoritma Nguyen Widrow dan Adaptive Learning Rate pada Jaringan Syaraf Tiruan Backpropagation untuk Pengenalan Karakter Alfanumerik

Abstract

Backpropagationneural networkis anexcellent methodin pattern recognition process due to it’sability inadaptingnetwork conditions withdata providedthroughthe learningprocess. In addition, the backpropagationcan minimize the network error by performing errorcorrectioncontinuouslyuntil it reaches themaximum target. However, behindtheseadvantages, backpropagationhas the really stands out disadvantage, that it takesa long timein the learning process. So it needsadevelopingmethod thatcanacceleratethe learningprocess. Adaptivelearning rateandweighting byNguyen Widrow initializationis a combinationof twomethodsthatcanincrease thespeed ofbackpropagationlearning. This method has been tested on 72 brokenimages of alphanumeric. Results ofthe tests improvethe learningprocessup to 15times faster(in seconds), comparedwiththe standardbackpropagation, witha maximumaccuracy rate of90%.

Jaringan syaraf tiruan backpropagation merupakan metode yang sangat baik dalam proses pengenalan pola mengingat kemampuannya dalam mengadaptasikan kondisi jaringan dengan data yang diberikan dengan proses pembelajaran. Selain itu, backpropagation juga memiliki kemampuan mengurangi error dengan melakukan koreksi bobot secara terus menerus hingga mencapai target maksimal. Namun dibalik kelebihannya tersebut, backpropagation memiliki kelemahan yang sangat menonjol, yaitu membutuhkan waktu yang cukup lama dalam proses pembelajaran. Untuk itu diperlukan sebuah pengembangan metode yang dapat mempercepat proses pembelajaran. Adaptive learning rate dan pembobotan dengan inisialisasi Nguyen Widrow merupakan kombinasi dua metode yang dapat meningkatkan kecepatan pembelajaran backpropagation. Aplikasi diuji pada 72 citra alfanumerik yang sudah mengalami kerusakan. Hasil pengujian yang dilakukan pada pengenalan citra alfanumerik meningkatkan proses pembelajaran sampai dengan 15 kali lebih cepat (dalam satuan detik), dibandingkan dengan backpropagation biasa, dengan tingkat akurasi maksimum 90%.