PENGARUH PEMBERIAN MOMENTUM PADA ARTIFICIAL NEURAL NETWORK BACKPROPAGATION

Abstract

Salah  satu  algoritma Artificial  Neural  Network (ANN)  yang  biasa  digunakan  adalah  algoritmabackpropagation dengan pola model gradient descent pada proses pembelajarannya. Akan tetapi,gradient  descent memiliki  kelemahan  yaitu tidak  mudah  digunakan  dan terkadang  lambat  dalampengkonvergenan solusinya. Untuk mengatasi kelemahan tersebut dilakukan suatu modifikasi yaitudengan memberikan momentum pada perubahan bobotnya. Pada proses prediksi surface roughnesspada CNC Milling menggunakan ANN Backpropagation dengan momentum pada perubahan bobotini,  nilai  rata-rata  persentase error yang  dihasilkan  pada  masing-masing  nilai  momentum  yangdiberikan adalah tidak banyak mengalami perubahan. Namun jika nilai momentum yang diberikanmendekati  nilai  maksimal  momentum  yaitu  mendekati  nilai  satu maka akan  menyebabkanterjadinya overshoot. Pemberian momentum pada perubahan bobot menyebabkan perubahan yangcukup  besar yaitu pada  waktu  prosesnya,  semakin  besar  nilai  momentum  yang  diberikan  makasemakin  cepat  pula  waktu  proses  yang  dibutuhkan.  Hal  ini  berarti  jika  ingin  waktu  prosesprediksinya  menjadi  cepat  maka  gunakan  nilai  momentum  yang  besar,  namun  sebaiknya  kurangdari 0.9.