46
5.4. Perbandingan Antara Fuzzy Neural dengan Triangular dan Gaussian
Dari hasil eksplorasi terhadap fuzzy neural yang menggunakan triangular pada bab IV dan gaussian pada bab V maka ada perbedaan yang cukup signifikan
antara keduanya, perbedaan-perbedaan tersebut adalah:
Data yang digunakan untuk pelatihan, pembobot dan pengujian
Pada fuzzy neural dengan triangular dalam membentuk sebuah segitiga diperlukan tiga buah nilai yaitu nilai terbesar, terkecil dan rata-rata seperti gambar
vector fuzzy pada gambar 2.4, sementara itu pada gaussian dalam membentuk curve gaussian hanya diperlukan dua nilai yaitu standar deviasi dan rata-rata
seperti gambar 2.3. sehingga pada gaussian data yang digunakan lebih simpel atau lebih sedikit dibandingkan dengan triangular.
Algoritma
Seperti di jelaskan pada bab V.1, bahwa pada fuzzy neural dengan gaussian memiliki algoritma yang lebih sederhana dibandingkan dengan fuzzy neural
triangular, dimana ada proses yang bisa dihilangkan. Proses tersebut berkaitan dengan pelebaran fuzziness yang hanya melakukan perubahan pada nilai standar
deviasi, selain itu juga karena tidak mungkin terjadi nilai similaritas nol maka pengecekan jika similaritas nol juga tidak perlu dilakukan.
Implementasi pada program
Untuk melakukan implementasi algoritma ke dalam program Matlab, pada fuzzy neural dengan gaussian lebih sederhana dalam proses mencari nilai
similaritas, namun lebih rumit dalam proses memvisualisasikan hal ini yang menjadi kekurangan dari gaussian karena harus ada proses mengenerate nilai x
i
, dan tidak bisa menggunakan nilai awal, karena itu diperlukan proses men
generate nilai x
i
yang baru sedangkan pada triangular cukup menggunakan tiga nilai yaitu tebesar, terkecil dan rata-rata.
47
Kecepatan eksekusi program
Dari hasil perngujian terhadap kecepatan eksekusi program menggunakan komputer dengan spesifikasi, prosesor PIII 500 MHz dan RAM 192 MB,
diperoleh hasil seperti tabel berikut ini: Tabel 5.8. Perbandingan kecepatan eksekusi program antara fuzzy neural
yang menggunakan triangular dan gaussian Waktu detik
Pengulangan Triangular Gaussian
10 1.1427
0.1982 20
2.075 0.3234
30 3.1205
0.4605 40
4.1418 0.5958
50 5.1843
0.7281 60
6.2159 0.8964
70 7.2583
1.0024 80
8.2808 1.1276
90 9.3264
1.2638 100
10.354 1.404
Data pada tabel 5.7 diatas adalah waktu rata-rata eksekusi program hasil pengujian yang dilakukan sebanyak sepuluh kali terhadap program untuk proses
pelatihan. Dari tabel 5.7 juga dapat dilihat bahwa kecepatan eksekusi program fuzzy neural yang menngunakan gaussian sangat cepat dibandingkan dengan yang
menggunakan triangular, bahkan sampai dengan 1 berbanding 10. Dari hasil analisa perbedaan waktu tersebut disebabkan program untuk mencari nilai
similaritas menggunakan triangular lebih rumit sehingga memerlukan waktu yang lebih lama dari gaussian disamping proses untuk perubahan fuzzines.
Akurasi dan Similaritas
Dari hasil pengujian seperti pada bab Iv dan bab V, menunjukan hasil bahwa similaritas fuzzy neural dengan gaussian yang menggunakan urutan data pelatihan
untuk blooms didahulukan menghasilkan nilai similaritas lebih baik, hal ini disebabkan bentuk curve dari gaussian lebih melebar seperti digambarkan pada
gambar 5.1, sedangkan dari sisi akurasi adalah sama.
48
5.5. Posisi Fungsional