PENERAPAN ALGORITMA OPTIMASI CHAOS PADA RIDGE POLYNOMIAL NEURAL NETWORK UNTUK PREDIKSI JUMLAH PENGANGGURAN (Studi kasus : Kalimantan Barat)

RINA PRAMITASARI, Drs. Retantyo Wardoyo, M.Sc., Ph.D

2012 | Tesis | S2 Ilmu Komputer

Ridge polynomial neural network (RPNN) awalnya diusulkan oleh Shin dan Ghosh, dibangun dari jumlah peningkatan order pi-sigma neuron (PSN). RPNN mempertahankan pembelajaran cepat, pemetaan yang kuat dari layer tunggal higher order neural network (HONN) dan menghindari banyaknya bobot karena meningkatnya sejumlah input. Algoritma optimasi chaos digunakan dengan memanfaatkan persamaan logistik yang sensitif terhadap kondisi awal, sehingga pergerakan chaos dapat berubah di setiap keadaan dalam skala tertentu menurut keteraturan, ergodik dan mempertahankan keragaman solusi. Algoritma Optimasi Chaos diterapkan pada RPNN dan digunakan untuk prediksi jumlah pengangguran di Kalimantan Barat. Proses pelatihan jaringan menggunakan ridge polynomial neural network, sedangkan pencarian nilai awal bobot dan bias jaringan menggunakan algoritma optimasi chaos. Struktur yang digunakan terdiri dari 6 neuron layer input dan 1 neuron layer output. Data diperoleh dari Badan Pusat Statistik. Hasil dari penelitian ini menunjukkan bahwa algoritma yang diusulkan dapat digunakan untuk prediksi.

Ridge polynomial neural network (RPNN) originally proposed by Shin and Ghosh, constructed from an increase in the number of order pi-sigma neurons (PSN). RPNN maintain fast learning, a strong mapping of a single layer higher order neural network (HONN) and avoid many of the weight due to the increased number of inputs. Chaos optimization algorithm is used to utilize the logistic equation is sensitive to initial conditions, so the chaotic movement can go in any situation in a certain scale in order, ergodic and maintain the diversity of solutions. Chaos optimization algorithm applied to RPNN and used for prediction of unemployment in West Kalimantan. Network training process using ridge polynomial neural network, while the search for initial values of weights and bias network using chaos optimization algorithm. Structure used consists of 6 neurons input layer and 1 neuron output layer. Data obtained from the Central Bureau of Statistics. The results of this study indicate that the proposed algorithm can be used for prediction.

Kata Kunci : prediksi jumlah pengangguran, jaringan syaraf tiruan, algoritma optimasi chaos, ridge polynomial neural network.