ALGORITMA RESILIENT UNTUK MEMPERCEPAT PEMBELAJARAN BACKPROPAGATION PADA PERAMALAN DATA TIME SERIES

Dra. Wellie Sulistijanti, Prof. Drs. H. Subanar, Ph.D

2012 | Tesis | S2 Matematika

Algoritma pembelajaran jaringan syaraf tiruan dengan menggunakan algoritma Resilient dikembangkan untuk mengatasi kelemahan pada algoritma Gradient Descent dengan melakukan perubahan bobot dan bias jaringan sesuai dengan perilaku gradient dari setiap iterasi pelatihan hanya dengan cara menggunakan tanda turunannya saja. Tanda turunan ini akan menentukan arah perbaikan bobot-bobot, sehingga jumlah iterasi yang diperlukan untuk mencapai target yang diingginkan lebih sedikit. Penelitian ini menggunakan data pendapatan kota Semarang 2001 s.d. 2009, arsitektur terbaik algoritma Resilient untuk MSE pelatihan 0,01 adalah 1 neuron input, 1 lapisan hidden dengan 19 neuron, dan 1 neuron output (1-19-1) dengan parameter η + = 1,2 dan η − = 0,9. Penggunaan algoritma Resilient untuk peramalan menunjukkan hasil terbaik dalam peramalan, memiliki kecepatan waktu, jumlah epoch yang pendek dan dengan jaringan yang lebih sederhana dibandingkan dengan algoritma Gradient Descent.

Neural Networks training algorithm using the Resilient algorithm was developed to overcome the weakness of Gradient Descent algorithm to change the network weights and biases according to the bahavior of the gradient of each iteration of training by using only sign alone derivatives. Sign of this derivative will determined the direction of improvement of the weight, so the number of iterations required to achive the desired target less. This research uses data Seamarang city revenues between 2001 and 2009, best architecture Resilient algorithm for training MSE 0.01 is 1 input neuron, one hidden layer with 19 neurons and 1 output neuron (1-19-1) with parameters η + = 1,2 dan η − = 0,9. The use of Resilient algorithm for forecasting the best result in forecasting and has the speed, number of epoch is short and with simplified network compared to the Gradient Descent algorithm.

Kata Kunci : algoritma resilient, pembelajaran backpropagation,data time series