PREDIKSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DENGAN METODE OPTIMASI GENETIC ALGORITHM

Abstract

Model data time series non linear merupakan model data yang cocok untuk diprediksi menggunakan neural network (NN). Prediksi merupakan upaya untuk memperkirakan sesuatu yang paling mungkin terjadi di masa mendatang berdasarkan informasi masa lalu dan masa sekarang secara matematis. Dalam NN terdapat banyak metode dan algoritme salah satunya backpropagation. Backpropagation memiliki kemampuan untuk melatih jaringan agar mendapatkan keseimbangan antara pengenalan pola yang digunakan pada saat training dan pemberian respon terhadap pola input yang serupa dengan pola training. Oleh karena itu backpropagation tepat untuk menyelesaikan masalah prediksi. Namun, backpropagation memiliki kelemahan yaitu pemilihan bobot awal secara random sehingga kerap terjebak pada lokal minimum. Solusi yang tepat untuk mengatasi masalah tersebut adalah dengan dilakukan optimasi terhadap algoritme backpropagation. Terdapat berbagai macam metode optimasi, salah satunya adalah genetic algorithm (GA). GA merupakan algoritme heuristik yang menggunakan pendekatan evolusi biologis. GA dapat digunakan untuk menentukan kombinasi arsitektur dan bobot awal terhadap parameter backpropagation. Pengkajian model backpropagation dengan metode optimasi GA dan estimasi parameternya menjadi tujuan dari penelitian ini. Hasil pengkajian penelitian ini menunjukkan bahwa GA dapat memberikan tingkat akurasi yang lebih baik.