Perpustakaan Digital ITB

Jaringan syaraf tiruan merupakan salah satu metode softcomputing yang mampu melakukan prediksi dengan baik. Salah satu algoritma pada jaringan saraf tiruan yang sering digunakan yaitu algoritma backpropagation. Algoritma backpropagation banyak digunakan untuk melakukan prediksi data baik data yang bersifat fluktuatif maupun data yang non-fluktuatif. Salah satu indikator yang dapat mempengaruhi hasil dari algoritma backpropagation adalah fungsi aktivasi yang bersifat terdeferensial yaitu fungsi aktivasi sigmoid. Terdapat 2 fungsi sigmoid yaitu sigmoid biner dan sigmoid bipolar. Penelitian ini akan melakukan analisis hasil prediksi data dari penggunaan fungsi aktivasi sigomid biner dan sigmoid bipolar pada algoritma backpropagation. Data yang digunakan pada penelitian ini adalah data prediksi nilai IPK mahasiswa STMIK AKAKOM dan data prediksi jumlah penderita ISPA Balita. Dari hasil prediksi diperoleh tingkat rata-rata akurasi aktivasi Sigmoid Biner lebih baik dibandingkan dengan Sigmoid Bipolar akan tetapi dari segi kecepatan pembelajaran Sigmoid Bipolar jauh lebih cepat daripada Sigmoid Biner. Perubahan bobot pada Sigmoid Bipolar lebih kecil bila dibandingkan dengan Sigmoid Biner dikarenakan rentang bobot pada Sigmoid Bipolar memiliki nilai minus, sedangkan Sigmoid Bipolar hanya mengakomodasi nilai positif saja.