Mencari Banyak Neuron Pada Hidden Layer Multilayer Perceptron Menggunakan Algoritma Genetika

Al Faruq, Muhammad Naufal Al Faruq (2021) Mencari Banyak Neuron Pada Hidden Layer Multilayer Perceptron Menggunakan Algoritma Genetika. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 06111640000084_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2023. Download (2MB) | Request a copy

Abstract

Dengan berkembangnya teknologi, jaringan syaraf tiruan semakin banyak digunakan untuk menyelesaikan banyak tugas. Misalnya dalam pengenalan pola, klasifikasi gambar, dan klasifikasi suara. Salah satu jenis jaringan syaraf tiruan yang banyak dipakai adalah Multilayer Perceptron (MLP). Agar mendapatkan hasil yang baik, maka arsitektur MLP juga harus dipilih dengan tepat. Arsitektur yang dimaksud adalah banyaknya hidden layer dan banyaknya neuron pada setiap hidden layer. Tujuan dari Tugas Akhir ini adalah mencari banyak neuron dari setiap hidden layer MLP agar akurasi yang diperoleh bisa optimal. Dalam Tugas Akhir ini, penulis menggunakan Algoritma Genetika dalam proses pencarian banyaknya neuron dari setiap hidden layer dari MLP. Untuk mengetahui kemampuan Algoritma Genetika dalam pencarian banyaknya neuron tersebut, penulis menggunakan data yang diambil dari Dataset MNIST (Modified National Institute of Standards and Technology). Pada saat pengujian, digunakan beberapa crossover rate (COR) dan mutation rate (MR) yang berbeda. Dalam Tugas Akhir ini, Algoritma Genetika dapat digunakan untuk hidden layer sebanyak tiga sampai lima. Dari pengujian yang telah dilakukan, hasil terbaik diperoleh saat Algoritma Genetika menggunakan crossover rate (COR) sebesar 0,35 dan mutation rate (MR) sebesar 0,35. MLP yang dihasilkan adalah MLP dengan tiga hidden layer, dimana jumlah neuron pada hidden layer pertama adalah 85, jumlah neuron pada hidden layer kedua adalah 41, jumlah neuron pada hidden layer ketiga adalah 98, dan akurasinya adalah 98,02%.
======================================================================================================
With the development of technology, artificial neural networks are
increasingly use to do many tasks. For example, such as pattern recognition,
image classification and speech classification. One type of artificial neural
network that is widely used is the Multilayer Perceptron (MLP). In order to
get good results, the MLP architecture must also be chosen correctly. The
architecture consists of the number of hidden layers and the number of
neurons in each hidden layer. The purpose of this final project is to find many
neurons from each MLP hidden layer so that the accuracy can be optimal. In
this final project, the writer uses Genetic Algorithm in the process of finding
the number of neurons from each hidden layer of MLP. To determine the
ability of the Genetic Algorithm to search for the number of neurons, the
authors used data taken from the MNIST Dataset (Modified National Institute
of Standards and Technology). During testing, different crossover rates
(COR) and mutation rates (MR) were used. In this Final Project, Genetic
Algorithm can be used for three to five hidden layers. From the tests that have
been done, the best results are obtained when the Genetic Algorithm uses a
crossover rate (COR) of 0.35 and a mutation rate (MR) of 0.35. The resulting
MLP is MLP with three hidden layers, where the number of neurons in the
first hidden layer is 85, the number of neurons in the second hidden layer is
41, the number of neurons in the third hidden layer is 98, and the accuracy is
98.02%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Digit Recognition, Multilayer Perceptron, Algoritma Genetika, Genetic Algorithm
Subjects:	Q Science > QA Mathematics > QA402.5 Genetic algorithms. Interior-point methods. Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Naufal Al Faruq
Date Deposited:	06 Mar 2021 07:01
Last Modified:	06 Mar 2021 07:01
URI:	http://repository.its.ac.id/id/eprint/83572

Actions (login required)

View Item