memberikan converge rate yang lebih baik dan mendapatkan solusi yang baik untuk perbandingan waktu dibandingkan dengan backpropapagation konvensional.
Ernest Tony 2011 meneliti algoritma momentum windowed dimana meningkatkan kecepatan diatas standar momentum. Momentum windowed dirancang
untuk menetapkan lebarnya bobot yang lalu dengan bobot yang baru di update pada masing-masing koneksi Neural Network. Momentum windowed memberikan kecepatan
yang signifikan pada serangkaian aplikasi yang sama atau tingkat keakuratan.
2.7. Perbedaan dengan riset yang Lain
Berdasarkan riset yang telah dilakukan, peneliti membuat beberapa perbedaan dalam penelitian ini, yaitu;
1.
Untuk mengatasi lambatnya konvergensi pada algoritma backpropagation menggunakan parameter Acelarated adaptive learning rate dan Momentum
coeffisien.
2.
Data yang digunakan data set dari Data Benmark yaitu Blood Transfusion Service Center tahun 2007, di mana akan dibagi menjadi dua dataset training
dan dataset testing.
2.8. Kontribusi Riset
Dalam penelitian ini, diharapkan akan didapatkan parameter yang tepat untuk mempercepat pembelajaran pada Backpropagation sehingga penggunaan algoritma
backpropagation pada permasalahan lain akan lebih mudah.
Universitas Sumatera Utara
BAB 3 METODOLOGI PENELITIAN
3.1 Pendahuluan
Pada jaringan syaraf tiruan backpropagation, percepatan konvergensi merupakan hal yang sangat penting diharapkan pemberian parameter adaptive learning rate dan
koefisien momentum untuk pembelajaran dapat memberikan optimasi pada jaringan. Berdasarkan uraian diatas, maka tujuan penelitian ini adalah menganalisis accelerated
learning dengan parameter adaptive learning rate.
3.2 Data Yang Digunakan
Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan syaraf tiruan backpropagation. Data tersebut akan digunakan sebagai data pelatihan dan
juga data pengujian. Data yang digunakan dalam proses ini adalah sebagai berikut : 1.
Data yang digunakan adalah dataset blood transfusion service center yang diperoleh dari UCI Data;
2. Banyak data yang digunakan adalah 50 sampel data.
Berdasarkan data yang ada, data yang akan digunakan untuk penelitian ini mempunyai atribut : Recency, Frequency, Monetary dan Time.
3.3 Rancangan Penelitian
Pada penelitian ini akan dilakukan beberapa langkah untuk mencapai tujuan penelitian. Langkah – langkah tersebut dapat digambarkan melalui diagram alir pada gambar 3.1.
Penelitian ini dimulai dari pengumpulan data dan prosespre prossesing data. Tahap berikutnya adalah penentuan desain arsitektur jaringan dengan penentuan pola masukan
dan keluaran untuk keperluan pelatihan dan pengujian pada jaringan syaraf tiruan JST Tahap ini kemudian diikuti dengan penentuan algoritma pelatihan.
Selanjutnya adalah tahap pelatihan terhadap data yang telah dinormalisasi dan ditentukan arsitekturnya, pelatihan dilakukan pertama untuk algoritma backpropagation
standar , setelah itu baru dilakukan kembali pelatihan dengan menambahkan learning
Universitas Sumatera Utara
