Aproksimasi fungsi menggunakan jaringan fungsi radial basis

INDONESIA :

Dalam skripsi ini akan dipaparkan tentang jaringan fungsi radial basis. Metode ini memiliki beberapa fungsi aktivasi yang dapat digunakan dalam pengaplikasiannya. Fungsi aktivasi yang dibahas di sini adalah fungsi multiquadrics, inverse multiquadrics, dan gaussians. Penggunaan fungsi aktivasi sangat diperlukan dalam menentukan hasil keluaran (output), atau juga dapat dikatakan bahwa fungsi aktivasi merupakan simulasi otak dari sistem pengolahan informasi yang digunakan dalam proses perhitungan. Fungsi aktivasi tersebut menghasilkan nilai galat atau (error) yang berbeda-beda dan akan mempengaruhi hasil keluaran (output). Prose dipilih nilai galat yang sangat kecil, karena dapat memberikan hasil yang lebih baik. Hasil output dengan galat terkecil yang disebut efisien, sehingga untuk melihat keoptimalan dari fungsi aktivasi dapat dilihat dari nilai galat paling kecil yang dihasilkan.

Adapun langkah yang diambil untuk mencari nilai aproksimasi fungsi yaitu dengan menggunakan fungsi basis, kemudian mencari nilai bobot. Nilai error diperoleh dari selisih antara nilai eksak f(x) dengan nilai hampiran (f(x)) ̂. Metode yang digunakan disebut metode galat mutlak yaitu f(x) ǀεǀ=⃒f(x)-(f(x) ) ⃒̂ Pada fungsi f(x)=x^3+x+0.5,-3≤x≤2 dengan ∆x=0.5. Hasil error terkecil menunjukkan bahwa hampiran fungsi aktivasi tersebut lebih optimal. Fungsi aktivasi inverse multiquadrics menghasilkan nilai akurasi paling tinggi dibanding yang lainnya, dengan nilai error paling kecil yaitu 0.0050e-026, Sedangkan nilai error yang paling besar adalah gaussians yaitu 0.45340e-010 sehingga aproksimasi yang dihasilkan kurang efektif.

Peneliti lain diharapkan dapat mengembangkan penelitian ini menggunakan fungsi aktivasi yang lain beserta turunannya, sehingga hasilnya dapat dibandingkan dengan penelitian ini.

ENGLISH :

In this paper will be presented radial basis function network. This method has the activation function which can be used in the application. Among these activation functions discussed here are multiquadrics functions, inverse multiquadrics, gaussians. The use of activation function is needed in determining the output (output), or can also be said that the function of brain activation is a simulation of an information processing system used in the calculation process. The activation function produces an error value or (error) different and will affect the output (output). Results error or a small error rate, activation function will make it have accurate results. A very small error rate or the minimum, be able to provide better results. It is this difference that makes the output obtained efficiently or not. So to see the optimal activation of the function can be seen from the value of the smallest error is generated.

The steps taken are looking for value function approximation by using the base, then find the value of the weight. Error values obtained from the difference between the exact value of f(x) with value approximation (f(x)) ̂. The method used is called the method of absolute error is ǀεǀ=⃒f(x)-(f(x)) ⃒̂ At function f(x)=x^3+x+0.5,-3≤x≤2 with ∆x=0.5. The smallest error results show that activation of the approximation function more optimally. Multiquadrics inverse activation function produces the highest accuracy values compared with the other, with the smallest error value is 0.0050e-026 While most of the error values are gaussians is 0.45340e-010 so that the resulting approximation using gaussians less effective.

Other researchers are expected to develop this research using other activation function and its derivatives, so that results can be compared with this study.