Analisis Epoch Untuk Meningkatkan Kinerja Algoritma Backpropagation

Abstrak

Backpropagation merupakan salah satu metode dari jaringan syaraf tiruan yang bisa digunakan untuk memprediksi. Backpropagation memiliki kelemahan pada proses pembelajaran, salah satunya pada data yang diberikan. Apabila data yang diberikan semakin banyak maka proses pembelajarannya akan semakin lama. Untuk memperbaiki peforma dari backpropagation, peneliti membagi data ke sejumlah thread. Data yang dibagikan akan dinormalisasi dengan metode min-max yang memiliki nilai diantara 0 dan 1. Pada penelitian ini akan diuji sebanyak 8 model dengan pengujian setiap model sebanyak 5 kali dan setiap modelnya akan memiliki jumlah thread dan jumlah epoch yang berbeda – beda dimana masing – masing model akan mengubah nilai bobot dan bias setiap jumlah epoch yang ditentukan. Berdasarkan penelitian dengan menggunakan 239 data, peneliti mendapatkan perbandingan antara model 1& 2 terjadi penurunan di 5 pengujian, model 3 & 4 terjadi penurunan pada 4 pengujiam, model 5 & 6 terjadi penuruan pada 2 pengujian, model 7 & 8 terjadi penurunan pada 4 pengujian.