(Peer Review + Similarity + Document) Optimasi Nilai Bobot Algoritma Backpropagation Neural Network dengan Algoritma Genetika

Backprogation Neural Network (BPNN) merupakan salah satu metode peramalan yang sudah banyak
dilakukan kemampuan Artificial Neural Network dalam melakukan suatu pembelajaran terbukti
mempunyai kinerja yang cukup baik, namun Backpropagation memiliki dua kelemahan utama yaitu
kecepatan convergence yang buruk dan tidak stabil, hal ini disebabkan karena resiko terjebaknya
pada lokal minimum. Dua kelemahan itu dipengaruhi bobot awal yang dipilih secara random.
Algoritma Genetika akan digunakan untuk menentukan bobot serta bias awal terhadap parameter
Backpropagation sehingga bisa mendapatkan kemampuan belajar yang baik. Hasil yang diperoleh
dari experiment yang sudah dilakukan menggunakan Backprogation Neural Network menghasilkan
Root Mean Sequare Error 0,120 setelah dioptimasi menggunakan Algoritma Genetika
menghasilkan nilai Root Mean Sequare Error 0.115. Kesimpulan dari penelitian ini penentuan
bobot awal pada Backprogation Neural Network mempengaruhi model yang dihasilkan sehingga
dapat meningkatkan kinerja Backprogation Neural Network lebih baik.