MENINGKATKAN KEMAMPUAN PENGENALAN POLA SINYAL DENGAN OPTIMALKAN RULES PADA FUZZY NEURAL NETWORK

Abstract

Fuzzy Neural Network (FNN) merupakan suatu model yang dilatih menggunakan jaringan syaraf, namun struktur jaringannya diintepretasikan dengan sekelompok aturan-aturan (rules) fuzzy. Meskipun logika fuzzy dapat menerjemahkan pengetahuan pakar secara langsung melalui aturan-aturan dengan label-label linguistik, tapi umumnya membutuhkan waktu yang lama untuk mendisain dan menyesuaikan fungsi keanggotaan yang dapat memberikan definisi secara kuantitatif  label-label linguistik ini. Hal ini menjadi sebih sulit lagi manakala rules yang ada sangat terbatas. Selanjutnya, bagaimana mengoptimalkan keterbatasan rules untuk meningkatkan kemampuan FNN dalam proses pembelajarannya. Tujuan dari penelitian ini adalah untuk mengetahui pengaruh penambahan fuzzy rules dalam proses pembelajaran pada FNN,  serta peningkatan kemampuannya dalam mengenal pola sinyal yang dilatihkan. Pengujian dilakukan dengan menggunakan model jaringan FNN empat layer , algoritma pembelajaran back propagation dan tiga rule base fuzzy, yaitu  dengan 9, 25 dan 49 rules. Pada penelitian ini, untuk mengembangkan rule base fuzzy dari 9 rules menjadi 25 dan 49 rules adalah dengan cara penambahan fungsi keanggotaan masukan error (e) dan perubahan error (de). Hasil pengujian menunjukkan, dengan penambahan jumlah rules, kemampuan FNN dalam mengenal pola sinyal menjadi lebih baik. Semakin banyak rules yang digunakan, kemampuannya dalam pengenali pola menjadi semakin baik akan tetapi proses belajar yang dilakukan juga semakin lama.