Evolving Recurrent Neural Network Pada Pengenalan Aksara Jawa

Yugo Priman Ananda

Informasi Umum

Kode

113060072

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

319 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Pada umumnya jaringan saraf tiruan baik digunakan dalam proses pengenalan klasifikasi, termasuk di dalamnya pengenalan citra. Pencarian struktur jaringan dan bobot pun menjadi beberapa faktor terpenting dalam keberhasilan sebuah jaringan saraf tiruan untuk melakukan klasifikasi. Recurrent Neural Network yang memiliki sifat unik yaitu neuron-neuronnya bebas untuk terhubung ke neuron manapun, termasuk dirinya sendiri. Banyaknya variasi koneksi yang mungkin terjadi menyebabkan ruang masalah menjadi besar. Dan Algoritma Genetika bisa ditawarkan dalam menjawan permasalahan ini. Algoritma Genetika dengan generalitasnya bisa memberikan solusi dari semesta solusi pada permasalah apapun selama solusi-solusi itu bisa direpresentasikan ke dalam kromosom. Algoritma Genetika pun tidak terlalu kompleks untuk diterapkan pada suatu pencarian solusi Dalam Tugas Akhir ini, struktur Recurrent Neural Network yang dioptimasi dengan Algoritma Genetika, dan kemudian dilatih dengan metode Back Propagation Through Time yang dikombinasikan dengan laju pembelajaran (learning rate) adaptif dari Differential Adaptive Learning rate Method, berhasil memberikan akurasi yang baik dalam mengenali 20 aksara jawa dasar, yaitu 99,2857%Kata Kunci : Jaringan Saraf Tiruan, JST, Recurrent Neural Network, RNN, Algoritma Genetika, Aksara Jawa, Back Propagation Through Time, BPTT, laju pembelajaran adaptif, Differential Adaptive Learning rate Method, DALRMABSTRACT: In general, artificial neural network can be applied to solve classification problem, including image recognition. Finding an optimal network structure and weights is one of the most important factors determining the success of neural network in classifying pattern. Recurrent Neural Network has a unique characteristic. Its neurons can be connected to any other neurons, including to themselves. The variations of Recurrent Neural Network can be so many, and it makes the solution scope huge. However, Genetics Algorithm offers a solution to solve this problem With its generality, Genetics Algorithm can solve any problems as long as the solutions can be encoded into chromosomes. And Genetics Algorithm is not too complex to be implemented in a problem solving process. In this bachelor thesis, Recurrent Neural Network optimized by Genetics Algorithm, and then trained with Back Propagation Through Time combining with adaptive learning rate from Differential Adaptive Learning Rate Method, gives a good accuracy in recognizing Javanese Script. The accuracy reaches 99.2857%.Keyword: Artificial Neural Network, ANN, Recurrent Neural Network, RNN, Genetics Algorithm, Javanese Script, Back Propagation Through Time, BPTT, adaptive learning rate, Differential Adaptive Learning rate Method, DALRM.