PERANAN ADAPTIVE LEARNING RATE PADA ALGORITME BACKPROPAGATION UNTUK MELAKUKAN PREDIKSI
Abstract
Bagian dalam kecerdasan buatan yang berjalan dengan menggunakan data dan pelatihan untuk
menemukan pola atau model yang dapat membantu mesin mengerjakan tugasnya dengan baik
sering dikenal dengan istilah machine learning. Prediksi merupakan salah satu penyelesain dari machine learning yang digunakan untuk mendapatkan suatu hasil baru di masa mendatang
berdasarkan informasi yang mendukungnya. Jaringan Syaraf Tiruan (JST) adalah salah satu
metode yang mampu menyelesaikan suatu prediksi dengan baik, menggunakan algoritmenya yaitu algoritme backpropagation yang dapat memperkecil tingkat kesalahan yang terjadi. Namun, algoritme backpropagation mempunyai kelemahan dalam mendapatkan nilai prediksi yaitu membutuhkan waktu yang cukup lama dalam proses pembelajaran dikarenakan nilai bobot yang selalu bernilai konstan pada tingkat pembelajarannya. Solusi dari permasalahan tersebut dapat diselesaikan dengan menggunakan adaptive learning rate yang mampu meningkatkan efektifitas dari parameter learning rate dimana tingkat pembelajaran dari algoritme backpropagation akan meningkat dan memberikan nilai kesalahan yang lebih rendah.
Refbacks
- There are currently no refbacks.
ISSN. 2459-962X
Prosiding Sendika
Publisher: Department of Mathematics Education Universitas Muhammadiyah Purworejo
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.