METODE MUTASI PERUBAH RENTANG BILANGAN DALAM ALGORITMA GENETIKA REPRESENTASI REAL UNTUK PENCARIAN BOBOT JARINGAN SYARAF TIRUAN; A REAL CODED GENETIC ALGORITHM WITH RANGE SHIFTER MUTATION FOR NEURAL NETWORK WEIGHT OPTIMIZER

YONATHAN PURBO SANTOSA, Faizah

2014 | Skripsi | PROGRAM STUDI S1 ILMU KOMPUTER

Genetic algorithm neural network atau yang sering disingkat dengan GANN dapat digunakan untuk menyelesaikan sebuah permasalahan klasifikasi. GANN yang merupakan algoritma hybrid mampu memiliki akurasi yang lebih baik dalam melakukan proses klasifikasi daripada masing-masing algoritma tersebut secara sendirian. Namun, pada metode GANN yang sudah ada menggunakan proess normalisasi data. Proses normalisasi data dapat mengurangi signifikansi dari atribut pada data untuk dijadikan data training sehingga performa dari algoritma tersebut menjadi berkurang. Dari latar belakang di atas, penelitian ini dilakukan untuk menyelesaikan permasalahan GANN yaitu pencarian bobot tanpa proses normalisasi data. Pengusulan dalam metode mutasi dalam GANN dilakukan dengan tujuan untuk dapat merubah rentang data kromosom seiring dengan bertambahnya generasi dari algoritma genetika. Penelitian dilakukan untuk mengetahui performa dari metode usulan tersebut. Oleh karena itu dilakukan pengujian menggunakan GANN dengan normalisasi data dan GANN tanpa normalisasi data terhadap 5 buah data set yang diambil dari UCI Machine Learning Repository. Kelima data set tersebut yakni data set penyakit jantung, evaluasi pembelian mobil, kanker payudara, fertilitas organ reproduksi pada pria, dan kekuatan beton. Hasil pengujian dari kedua metode tersebut terhadap kelima data set yang berupa akurasi kemudian dibandingkan untuk mengetahui seberapa baik performa yang dihasilkan. Dari hasil percobaan yang dilakukan, ternyata metode GANN tanpa normalisasi data berhasil memiliki akurasi yang lebih baik daripada GANN dengan normalisasi data pada data set penyakit jantung, evaluasi mobil, fertilitas pria, dan kekuatan beton. Keberhasilan metode tersebut diatas adalah karena tidak dilakukannya proses normalisasi data sehingga signifikansi dari data tidak berkurang dan tidak mengurangi akurasi dari GANN.

Kata Kunci : Algoritma genetika, Algoritma genetika representasi real, jaringan syaraf tiruan, GANN, evolutionary neural network