Melola Discovery

← Melola Discovery

Jurnal SINTA 2

IMPLEMENTASI ALGORITMA GENETIKA DENGAN MAGNIFIED GRADIENT FUNCTION DAN DETERMINISTIC WEIGHT MODIFICATION DALAM MULITLAYER NEURAL NETWORK

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 5 No. 2 (2006) · pp. 126–133

DOI
10.12962/j24068535.v5i2.a238
ISSN
2406-8535, 1412-6389
Published
2006-07-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Algoritma backpropagation menggunakan pola pelatihan yang berdasarkan turunan fungsi gradien (gradient derivative function) untuk perubahan bobot dan fungsi aktifasi yang berupa fungsi sigmoid, sehingga error yang dihasilkan pada iterasi berikutnya semakin kecil. Dalam penggunaan algoritma backpropagation ada dua aspek yang menjadi pertimbangan yaitu flat spot dan laju konvergensi (convergence rate).Penelitian berikut berusaha mengembangkan hibrid GA-MDPROP yang bertujuan mempercepat laju konvergensi dari algoritma backpropagation. Algoritma genetika digunakan untuk mecari topologi optimum dari jaringan saraf khususnya pada penentuan bobot awal, sedangkan MDPROP merupakan model hibrid Magnified Gradient Function Propagation (MGFPROP) dengan Deterministic Weight Modification (DWM). Penggunaan MGFPROP bertujuan mempercepat laju konvergensi dengan memperbesar fungsi gradient pada fungsi aktifasi, sedangkan DWM bertujuan mengurangi error dari sistem dengan mengubah bobot dengan cara yang telah ditentukan.Hasil penelitian menunjukkan algoritma GA-MDPROP memiliki laju konvergensi yang lebih cepat dibandingkan dengan algoritma backpropagation. Algoritma GA-MDPROP juga memiliki laju konvergensi yang lebih cecpat dibandingkan dengan algoritma MDPROP khususnya untuk faktor penguatan S=1.Kata kunci: Algoritma Genetika, Magnified Gradient Function Propagation (MGFPROP), Deterministic Weight Modification (DWM), MDPROP, GA-MDPROP.

Collaboration network of the authors

27 authors · 51 co-authorship links · 3 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Sepuluh Nopember
  • Universitas Ma Chung
  • Institut Sains dan Teknologi Terpadu Surabaya
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Yudhi PurwanantoInstitut Teknologi Sepuluh Nopember4
Esther HanajaInstitut Teknologi Sepuluh Nopember2
Wahyu SuadiInstitut Teknologi Sepuluh Nopember2
Kestrilia Rega PriliantiUniversitas Ma Chung2
Sheila AgustiantyAffiliation unknown1
I Ketut Eddy PurnamaInstitut Sains dan Teknologi Terpadu Surabaya1
Wiwik AnggrainiAffiliation unknown1
Muhammad MujahidillahAffiliation unknown1
Arif DjunaidyInstitut Teknologi Sepuluh Nopember1
Adhita PratiwiAffiliation unknown1
Tohari AhmadInstitut Teknologi Sepuluh Nopember1
Rully A. HendrawanAffiliation unknown1
Aidy IlmyAffiliation unknown1
Aby HerwendoAffiliation unknown1
I Wayan Widi PradnyanaAffiliation unknown1
Sarwosri SarwosriInstitut Teknologi Sepuluh Nopember1
Suhadi LiliInstitut Teknologi Sepuluh Nopember1
Ary Mazharuddin ShiddiqiInstitut Teknologi Sepuluh Nopember1
Muhammad Raihan AninditaInstitut Teknologi Sepuluh Nopember1
Ilham Gurat AdillionInstitut Teknologi Sepuluh Nopember1
Windra SwastikaUniversitas Ma Chung1
Ardian KurniawanUniversitas Ma Chung1
Felix Adrian Tjokro AtmodjoUniversitas Ma Chung1
Samuel SamuelUniversitas Ma Chung1
Prasetyo MimboroAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">IMPLEMENTASI ALGORITMA GENETIKA DENGAN MAGNIFIED GRADIENT FUNCTION DAN DETERMINISTIC WEIGHT MODIFICATION DALAM MULITLAYER NEURAL NETWORK</dc:title>
	<dc:creator xml:lang="en">Setiawan, Hendry</dc:creator>
	<dc:creator xml:lang="en">Soelaiman, Rully</dc:creator>
	<dc:description xml:lang="en">Algoritma backpropagation menggunakan pola pelatihan yang berdasarkan turunan fungsi gradien (gradient derivative function) untuk perubahan bobot dan fungsi aktifasi yang berupa fungsi sigmoid, sehingga error yang dihasilkan pada iterasi berikutnya semakin kecil. Dalam penggunaan algoritma backpropagation ada dua aspek yang menjadi pertimbangan yaitu flat spot dan laju konvergensi (convergence rate).Penelitian berikut berusaha mengembangkan hibrid GA-MDPROP yang bertujuan mempercepat laju konvergensi dari algoritma backpropagation. Algoritma genetika digunakan untuk mecari topologi optimum dari jaringan saraf khususnya pada penentuan bobot awal, sedangkan MDPROP merupakan model hibrid Magnified Gradient Function Propagation (MGFPROP) dengan Deterministic Weight Modification (DWM). Penggunaan MGFPROP bertujuan mempercepat laju konvergensi dengan memperbesar fungsi gradient pada fungsi aktifasi, sedangkan DWM bertujuan mengurangi error dari sistem dengan mengubah bobot dengan cara yang telah ditentukan.Hasil penelitian menunjukkan algoritma GA-MDPROP memiliki laju konvergensi yang lebih cepat dibandingkan dengan algoritma backpropagation. Algoritma GA-MDPROP juga memiliki laju konvergensi yang lebih cecpat  dibandingkan dengan algoritma MDPROP khususnya untuk faktor penguatan S=1.Kata kunci: Algoritma Genetika, Magnified Gradient Function Propagation (MGFPROP), Deterministic Weight Modification (DWM), MDPROP, GA-MDPROP.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2006-07-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/238</dc:identifier>
	<dc:identifier>10.12962/j24068535.v5i2.a238</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 5, No 2 Juli 2006; 126-133</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v5i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/238/187</dc:relation>
</oai_dc:dc>