Analisis fungsi aktivasi jaringan syaraf tiruan untuk mendeteksi karakteristik bentuk gelombang spektra babi dan sapi

INDONESIA:

Jaringan Syaraf Tiruan (JST) sedikit demi sedikit mulai mampu menggantikan tugas seorang pakar, bahkan dengan JST mampu dibuat alat untuk menggantikan seorang dokter. Salah satu jenis JST adalah jaringan Backpropagation, jaringan ini bisa digunakan untuk melakukan pelatihan agar program mampu mengenali apakah itu gelombang spektra babi atau sapi. Untuk menentukan keluaran dalam pelatihan backpropagation dibutuhkan fungsi aktivasi yang cocok. Karena itu pada penelitian ini akan dibandingkan beberapa fungsi aktivasi yang bisa digunakan dalam pelatihan. Fungsi aktivasi-fungsi aktivasi itu di uji coba dengan tes rasio untuk mengetahui interval kekonvergenannya. Dan setelah di uji coba dengan tes rasio didapatkan bahwa fungsi aktivasi tanh z adalah fungsi aktivasi yang paling bagus untuk dipakai pelatihan jaringan backpropagation, karena memiliki rentang bobot yang bisa memenuhi metode-metode yang dipakai dalam penentuan bobot. Dan setelah diuji coba dengan data, fungsi aktivasi tanh z mampu mengenali data uji coba dengan tepat semua. Dan diharapkan pada penelitian selanjutnya untuk meneliti interval bobot yang membuat pelatihan mencapai konvergensi dengan cepat dan errornya sedikit.

ENGLISH

Artificial Neural Network (ANN) is beginning little by little to replace the task of an expert, even with the ANN can be a tool to replace a doctor. One of kind of ANN is Backpropagation networks, this network can be used to training programs in order to be able to recognize whether it is pig or cow wave spectra. To determine the output in backpropagation training required suitable activation functions. Therefore, in this research will be compared to some of the activation function that can be used in training. Activation functions will be tested with the ratio test to determine the interval convergence. And after tested with the ratio test it was found that the activation function tanh z was the best activation function to use the backpropagation network training, because it has a weight range that can meet the methods used in the determination of weights. And when tested with the data, the activation function tanh z is able to recognize correctly all trial datas. And expected in future research to examine the weight that makes the interval training to achieve fast convergence and the error bit.