Analisis Error dan Epoch dengan Pengembangan Adaptive Learning Rate dan Parameter Momentum pada Metode Backpropagation

Abstract

Backpropagation algorithm is partofan Artificial Neural Netrvort (ANN), which has some hidden screen. Backpropagation algorithm is also a multi-layer linish that is widely used for large problerns, however, the backpropagation algorithm also has weaknesses in the leaming process is quiteslow. In this study the authors analyze how to develop a backpropagation algorithm using leaming rate and momentum parameters to minimize the error and acourate epoch as the process of calculating the weight change. The result showed that the development is carried out to obtain best value on the momontum value of 0.9 and 1.0 and the value of leaming rde is > 0.7. It is proved that the value of leaming by using the parameter values of momentum and learning rate values above are best used as convergence rate acceleration.

Algoritma backpropagation merupakan bagian dari Jaringan Syaraf Tiruan (JST) yang memiliki beberapa layar tersembunyi, Algoritma backpropagation juga merupakan multi layer yang banyak digunakan untuk menyelesaikan persoalan yang luas, akan tetapi, algoritma backpropagation juga memiliki kelamahan pada proses pembelajaran yang cukup lambat. Pada penelitian ini penulis menganalisis bagaimana mengembangkan algoritma backpropagation dengan menggunakan learning rate dan parameter momentum untuk meminimalisir error dan epoch yang akurat sebagai proses menghitung perubahan bobot. Dari hasil penelitian diperoleh bahwa pengembangan yang dilakukan memperoleh nilai paling baik pada nilai momentum yaitu 0,9 dan 1.0 dan nilai learning rate yaitu > 0,7.Hal ini membuktikan bahwa nilai pembelajaran dengan menggunakan nilai parameter momentum dan nilai learning rate diatas sangat baik digunakan sebagai percepatan laju konvergensi.