MENGURANGI WAKTU KONVERGENSI BACKPROPAGATION MENGGUNAKAN NGUYEN WIDROW PADA BPS DATA INFLASI

Abstract

Penelitian ini bertujuan untuk meningkatkan efisiensi konvergensi algoritma backpropagation dalam memprediksi data inflasi berdasarkan statistik Badan Pusat Statistik (BPS). Salah satu metode yang digunakan adalah inisialisasi bobot dengan metode Nguyen Widrow, yang telah terbukti dapat mempercepat konvergensi jaringan saraf tiruan. Penelitian ini mencakup analisis perbandingan kinerja antara algoritma backpropagation konvensional dan backpropagation dengan inisialisasi bobot menggunakan metode Nguyen Widrow pada data inflasi BPS. Metode Nguyen Widrow digunakan untuk mengurangi waktu konvergensi dan meningkatkan akurasi prediksi inflasi. Hasil eksperimen menunjukkan bahwa penggunaan metode Nguyen Widrow dapat menghasilkan konvergensi lebih cepat dibandingkan dengan pendekatan konvensional, dengan peningkatan signifikan dalam akurasi prediksi inflasi. Dengan demikian, penggunaan metode Nguyen Widrow dapat menjadi strategi efektif dalam meningkatkan kinerja algoritma backpropagation pada data inflasi BPS. Berdasarkan hasil penelitian Backpropagation dengan Nguyen Widrow dapat ditarik kesimpulan bahwa Backpropagation tanpa Nguyen Widrow menghasilkan error yang lebih tinggi pada epoch 1, MSE sebesar 0,1793, pada epoch 2, MSE sebesar 0,1781, pada epoch 3, MSE sebesar 0,1770, pada epoch 4, MSE sebesar 0,1770, pada epoch 5, MSE sebesar 0,1770. Waktu pelatihan yang dihasilkan lebih lama dengan nilai 0.13488 detik . Backpropagation dengan Nguyen Widrow menghasilkan error yang lebih rendah pada epoch 1, MSE sebesar 0,1498, pada epoch 2, MSE sebesar 0,1805, pada epoch 3, MSE sebesar 0,1745, pada epoch 4, MSE sebesar 0,1727, pada epoch 5, MSE sebesar 0,1710. Waktu pelatihan yang dihasilkan lebih cepat dengan nilai 0.032881 detik .