Perbandingan beberapa metode pembangkitan bobot untuk jaringan syaraf tiruan dengan algoritma fungsi Boolean

THENDEAN, Helmy, Drs. Widodo Prijodiprodjo, MSc.,E.E

2004 | Tesis | S2 Ilmu Komputer

Peningkatan Jaringan Syaraf Tiruan dengan algoritma fungsi Boolean untuk pengenalan pola telah dikembangkan dalam lingkungan pemetaan. Berdasarkan hasil hasil percobaan yang pernah dikembangkan oleh Hadjar, JST dengan algoritma fungsi Boolean dapat menawarkan berbagai keunggulan dibandingkan JST yang lebih rumit seperti Neocognitron. Meskipun JST dengan algoritma fungsi Boolean sukses dikarenakan sifatnya yang sederhana dan menawarkan efisiensi yang cukup tinggi, masih ada persoalan yang belum terjawab mengenai metode pembangkitan bobot mana yang terbaik sehingga dapat meningkatkan performa jaringan.Ada metode pembangkitan bobot yang bersifat biner (menggunakan fungsi Boolean) dan ada juga yang bersifat non-biner seperti pada Perceptron. Keterbatasan informasi mengenai hal-hal seperti ini dalam hasil penelitian Hadjar yang akhirnya mendorong saya untuk melakukan penelitian untuk membandingkan berbagai metode pembangkitan bobot baik yang bersifat biner menggunakan AND, OR, XOR (operator umum dalam fungsi Boolean) dan juga yang bersifat non-biner dimana merupakan hasil modifikasi dari Perceptron. Kesimpulan yang dapat diambil adalah OR merupakan cara yang terbaik bila pembangkitan bobot bersifat biner. Akan tetapi secara keseluruhan cara yang terbaik adalah dengan menggunakan ‘pembangkitan bobot bersifat non-biner 1’. AND merupakan cara yang terburuk tingkat pengenalannya, namun untuk kasus citra yang bersifat homogen mungkin masih layak dipertimbangkan

Improvement of pattern recognition in the field of mapping using neural networks with Boolean function algorithm had been developed. According to Hadjar’s experimental results, ANN with Boolean function algorithm offered many advantages than complicated ANN such as Neocognitron. Although it was successful because of its simplicity and efficiency, there is still a question left about which is the best method of weights generators that were already given could improve the recognize rate of these networks. Some of weights generators generate binary weights using Boolean function and the other using non-binary weights such as Perceptron. Because of lack of information was contained in Hadjar’s experimental results, lead me to compare some binary weights generators using AND, OR, and XOR (common operators in Boolean function) and also non-binary weights generators that were modified from classical ANN, Perceptron. After some experiments, I can conclude that the best binary weights generator is using OR operator. But the best weights generator of all is ‘non-binary weights generator 1’ that have already modified from Perceptron. AND maybe the worst one, but it can be considered if images are homogeneous.

Kata Kunci : Jaringan Syaraf Tiruan,Algoritma Fungsi Boolean, Mapping, Neural Networks, Boolean function algorithm, Weights generator with Boolean Function