Algoritma genetik untuk mengoptimalkan proses belajar jaringan syaraf tiruan

PURWIYANTI, Sri, Prof. Adhi Susanto, M.Sc.,Ph.D

2000 | Tesis | S2 Teknik Elektro

Algoritma genetik merupakan suatu algoritma yang bekerja dengan menh evolusi alam sebagai metode untuk memecahkan masalah optimasi parameter. Pada penelitian ini algoritma genetik diterapkan sebagai metode belajar jaringan syaraf t h a n dan tingkat kesalahan yang dihasilkan lalu dibandingkan dengan tingkat kesalahan yang dihasilkan jaringan syaraf t h a n propagasi-balik. Dalam penerapannya pada jaringan syaraf than, algoritma genetik digunakan untuk mencari bobot jaringan yang tepat, atau dalam sisi jaringan syaraf t h a n hal ini dinamakan proses pembelajaran. Parameter yang dicari diproses dan dievaluasi dengan menggunakan suatu fbngsi obyektif yang merupakan penghubung antara algoritma genetik dengan jaringan syaraf than. Proses diawali dengan suatu kandidat solusi, yang kemudian dikombinasikan untuk membentuk solusi baru, dan proses diulang-ulang hingga diperoleh bobot jaringan yang terbaik. Dari hasil penelitian dapat diketahui bahwa algoritma genetik mampu menghasilkan jaringan syaraf t h a n yang memiliki tingkat kesalahan lebih kecil daripada metode propagasi-balik. Akan tetapi, kinaja yang dihasilkan lebih tidak stabil dan membutuhkan waktu komputasi yang lebih lama dibandingkan dengan kinerja yang dihasilkan metode propagasi-balik. Hal ini mungkin disebabkan pemilihan operator genetik yang kurang tepat.

Genetic algorithm is an algorithm that works by imitating natural evolution as a method to solve the problem of parameter optimization. In this research, genetic algorithm is applied to a learning method for artificial neural network and the resulting error rate is then compared to that resulted fiom back propagation artificial neural nenvork. In its application on artificial neural network, the genetic algorithm is used to find the correct net weights, or in artificial neural network terms this is Galled learning proses. The searched parameter is processed and evaluated using an objective hnction which serves as a connector between genetic algorithm and artificial neural network. The process is initiated with a solution candidate which is then combined to form a new solution, and repeated until the best net weights are gained. From this research we know that genetic algorithm can produce an artificial neural network which has less error rate than back propagation method. However, the resulting performance is less stable and require the longer runing time than that of back propagation method. This is possibly due to the less proper choice of genetic operator.

Kata Kunci : Jaringan Syaraf Tiruan