PENGARUH PEMBERIAN MOMENTUM PADA ARTIFICIAL NEURAL NETWORK BACKPROPAGATION

Abstract

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