Pengaruh Fungsi Aktivasi, Optimisasi dan Jumlah Epoch Terhadap Performa Jaringan Saraf Tiruan
Abstract: Jaringan Saraf
Tiruan (JST) adalah salah satu algoritma dalam machine learning yang paling
menjanjikan saat ini. Banyak penerapan dalam berbagai bidang menggunakan JST
untuk proses machine learning. Perkembangan JST juga semakin cepat dan kompleks
seiring penerapannya yang banyak digunakan. Namun, seiring peningkatan
kompleksitas JST, diperlukan suatu studi untuk mengetahui parameter dasar
terbaik yang dapat menghasilkan klasifikasi yang optimal. Penelitian ini
bertujuan untuk melakukan studi komparasi parameter dasar pada JST, yaitu
fungsi aktivasi, optimisasi dan jumlah epoch terhadap performa JST. Performa
JST dinilai menggunakan tingkat akurasi. Ketiga parameter tersebut diujikan
pada empat dataset dari repositori UCI, yaitu dataset WINE, dataset CAR,
dataset IRIS dan dataset HEART. Berdasarkan hasil pengujian, fungsi aktivasi
TANH lebih sering menghasilkan nilai akurasi tertinggi dibandingkan fungsi
aktivasi RELU. Sedangkan fungsi optimisasi yang lebih sering menghasilkan nilai
akurasi tertinggi adalah Adam. Rata-rata nilai epoch yang dapat menghasilkan
akurasi tertinggi adalah diatas 200.
Penulis: Made Satria Wibawa
Kode Jurnal: jptinformatikadd170461
