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.