Eksplorasi, Implementasi, dan Analisis Masalah Klasifikasi dengan Algoritma Backpropagation untuk 3 Dataset (Iris, Mushrooms, dan Three Monks)

Satriawan, Oskar Putra (1272091) (2017) Eksplorasi, Implementasi, dan Analisis Masalah Klasifikasi dengan Algoritma Backpropagation untuk 3 Dataset (Iris, Mushrooms, dan Three Monks). Undergraduate thesis, Universitas Kristen Maranatha.

	Text 1272091_Abstract_TOC.pdf - Accepted Version Download (187Kb)
	Text 1272091_Chapter1.pdf - Accepted Version Download (174Kb)
	Text 1272091_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (763Kb)
	Text 1272091_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (221Kb)
	Text 1272091_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (228Kb)
	Text 1272091_Chapter5.pdf - Accepted Version Restricted to Repository staff only Download (0b)
	Text 1272091_Conclusion.pdf - Accepted Version Download (0b)
	Text 1272091_Cover.pdf - Accepted Version Download (0b)
	Text 1272091_References.pdf - Accepted Version Download (0b)

Abstract

Salah satu fungsi dari pengklasifian data adalah untuk dapat mengenali objek baru. Sebuah sistem komputer yang berbentuk Multilayer Perceptron (MLP), dengan algoritma backpropagation mampu membantu mengenali objek tersebut secara otomatis. Algoritma ini berjalan dengan 3 fase. Fase pertama feed forward, memproses input-input yang diterima kemudian diteruskan ke bagian hidden layer, hingga akhirnya pemrosesan mencapai bagian output layer. Fase kedua backpropagation, akan menghitung nilai kesalahan dari output target dibandingkan dengan output yang ada; hasil dari perhitungan ini akan mempengaruhi nilai perubahan bobot pada layer sebelumnya. Fase ketiga adalah perubahan bobot yang akan memodifikasi nilai bobot-bobot sebelumnya dengan nilai bobot baru. Dengan bobot-bobot ini, kita dapat mengenali objek baru dan mengklasifikasikannya berdasarkan ciri-ciri yang dimiliki objek tersebut. Proses pengujian dataset dilakukan dengan menggunakan 1-3 hidden layer, (0.1, 0.5, 0.9) learning rate, (0.1, 0.5, 0.9) momentum, 1-5 node pada setiap hidden layer, serta (1000, 5000, 10000) training time pada dataset iris dan three monks, (10, 50, 100) pada dataset mushroom. Dari pengujian yang dilakukan pada dataset mushroom pada setting tertentu, seperti ketika klasifikasi diimplementasikan dengan menggunakan 1 hidden layer yang memiliki 4 node pada hidden layer tersebut, learning rate 0.1, momentum 0.1, training time 10, MLPs mampu melakukan klasifikasi secara sempurna dengan tingkat error rate 0%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	backpropagation, Multilayer Perceptron (MLP), masalah klasifikasi
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Information Technology > 72 Information Technology Department
Depositing User:	Perpustakaan Maranatha
Date Deposited:	24 Aug 2017 08:55
Last Modified:	24 Aug 2017 08:55
URI:	http://repository.maranatha.edu/id/eprint/22852

Actions (login required)

View Item