Peningkatan Kemampuan Pengenalan Pola dari Jaringan Saraf Tiruan dengan Menggunakan Diskritisasi Chi2

Jeffry Hartanto(1*), Gregorius Satia Budhi(2),


(1) Program Studi Teknik Informatika Universitas Kristen Petra
(2) Program Studi Teknik Informatika Universitas Kristen Petra
(*) Corresponding Author

Abstract


Proses pelatihan backpropagation membutuhkan waktu yang cukup lama untuk mencapai tahap konvergen. Salah satu penyebabnya adalah dokumen dalam set data terdiri dari campuran antara bilangan kontinu dan diskrit. dalam hal klasifikasi, sebuah set data akan lebih mudah dibedakan dengan nilai atribut yang berbeda jauh. Metode Chi2 berhasil untuk menemukan pola dari set data sintetik yang memiliki pola data miring dan pararel. Penggabungan backpropagation dan Chi2 berhasil mempercepat proses pelatihan dan meningkatkan akurasi klasifikasi. Oleh karena itu, pengujian akan dilanjutkan dengan menggabungkan dua metode tersebut untuk mengklasifikasikan set data dari kasus nyata. Dari hasil pengujian didapatkan kesimpulan bahwa kedua metode tersebut berhasil mempercepat proses pelatihan dan meningkatkan akurasi klasifikasi.

Keywords


Backpropagation; Chi2; Diskritisasi; Jaringan saraf tiruan.

Full Text:

PDF

References


Chung, F. L., & Lee, T. (1992). A node pruning algorithm for backpropagation networks. Int. J. Neural System 3(3), 301-314.

Frean, M. (1990). The upstart algorithm: A method for constructing and training feedforward neural networks. Neural Computation 2(2), 198-209.

Liu, H. & Setiono, R. (1995, November). Chi2: Feature selection and discretization of numeric attributes. In Proc. of the 7th International Conference on Tools with Artificial Intelligence, Washington D.C., pp. 388-391.

Negnevitsky, M. (2005). Artificial intelligence: A guide to intelligence systems (2nd Ed.). New York: Addison Wesley.

Refaeilzadeh, P., Tang, L., Liu, H. (2009). Cross Validation. (Liu, L. & Tamer Ozsu M., Eds.) Encyclopedia of Database Systems. Springer, pp. 532-538.

Setiono, R. (1997). A penalty-function approach for pruning feedforward neural networks, Neural Computation, vol. 9, no. 1, pp. 185-204, 1997.

Setiono, R. & Seret, A. (2012, November). Discrete variable generation for improved neural network classification. In Proc. of the 43rd annual meeting of the Decision Sciences Institute. San Fransisco, USA.

Young, H., P. (2009, March). Learning by trial and error. Games and Economic Behavior, vol.65, pp. 626-643.


Refbacks

  • There are currently no refbacks.


Jurnal telah terindeks oleh :