Latar Belakang Masalah PENDAHULUAN

1

BAB I PENDAHULUAN

1.1. Latar Belakang Masalah

Jaringan saraf tiruan JSTsebagai salah satu sistem pengolah informasi yang memiliki karakteristik kinerja menyerupai jaringan saraf biologis berkembang sangat pesat. Perkembangan ini seiring dengan munculnya berbagai masalah yang tidak dapat diselesaikan secara efisien oleh proses komputasi konvensional, karena algoritma yang ada tidak dapat diformulasikan secara eksplisit dan membutuhkan informasi dalam jumlah yang besar. Kristanto, 2004 Ada beberapa metode dalam jaringan saraf tiruan, salah satunya adalah metode backpropagation. Backpropagation merupakan algoritma terbaik di antara algoritma lainnya, seperti perceptron dan delta rule Mutasem, 2009. Backpropagation juga merupakan metode yang sangat baik dalam proses klasifikasi mengingat kemampuannya dalam mengadaptasikan kondisi jaringan dengan data yang diberikan dengan proses pembelajaran Kristanto, 2004. Ciri dari metode ini adalah meminimalkan error pada output yang dihasilkan oleh jaringan. Dengan kata lain, backpropagation menggunakan error output untuk mengubah nilai bobot-bobotnya dalam dua arah yaitu arah mundur backward dan perambatan maju forward propagation, ini memungkinkan pembentukan jaringan yang lebih baik dari metode yang lain. Namun dibalik kelebihannya tersebut, backpropagation memiliki kelemahan yang sangat menonjol, yaitu membutuhkan waktu yang cukup lama dalam proses pembelajaran Haykin, 2008. Untuk itu diperlukan pengembangan pada metode backpropagation, yakni untuk mempercepat proses pembelajaran mencapai error terkecil. Salah satu pengembangan yang dapat dilakukan adalah penggunaan teknik adaptive learning rate, dimana parameter learning rate atau tingkat pembelajaran akan selalu berubah-ubah sesuai dengan rumus tertentu. Moreira Fiesler, 1995. Universitas Sumatera Utara 2 Adaptive learning rate memiliki pengaruh yang cukup baik, dimana nilai error akan lebih cepat menuju global optima Moreira Fiesler, 1995. Namun peningkatan kecepatan yang diberikan tidaklah signifikan sehingga diperlukan penambahan pengembangan lainnya yang juga terfokus pada mempercepat proses iterasi jaringan. Metode lain yang dapat digunakan adalah metode pembobotan dengan inisialisasi Nguyen-Widrow. Waktu pembelajaran propagasi balik yang bobot dan biasnya diinisialisasi dengan teknik Nguyen-Widrow lebih cepat dibandingkan bila diinisialisasikan secara acak. Puspitaningrum, 2006 Jaringan saraf tiruan, selama ini banyak diterapkan dalam menyelesaikan permasalahan-permasalahan tentang pengenalan pola pattern recognition, signal processing dan peramalan Purnomo, 2001. Salah satu contoh aplikasi pengenalan pola yang cukup kompleks adalah pengenalan karakter alfanumerik [‘A’….’Z’] dan [‘0’…’9’]. Puspitaningrum, 2006 Untuk itu penulis mencoba melakukan penelitian menggunakan kombinasi algoritma Nguyen Widrow dan adaptive learning rate yang meneliti tentang sejauh mana pengaruh kedua algoitma tersebut pada jaringan syaraf tiruan backpropagation dapat mempercepat pengenalan pola karakter alfanumerik. Karenanya judul penelitian tesis yang diusulkan adalah “Pengaruh Kombinasi Algoritma Nguyen Widrow Dan Adaptive Learning Rate Pada Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Karakter Alfanumerik”.

1.2. Perumusan Masalah