FUZZY MULTILAYER PERCEPTRON UNTUK KLASIFIKASI BERBASIS PENGETAHUAN

Ruang pencarian yang besar merupakan suatu masalah khusus pada klasifikasi dengan multilayer perceptron. Beberapa usaha telah dilakukan dalam meningkatkan performa klasifikasi dan mereduksi ruang pencarian. Model seperti itu mempunyai kemampuan melebih MLP standar. Oleh karena itu sebuah algoritma baru pada klasifikasi berbasis pengetahuan dengan menggunakan fuzzy multilayer perceptron (MLP) akan diterapkan untuk mempersempit ruang pencarian dengan performa klasifikasi yang cukup baik. Pengetahuan yang dikumpulkan dari sebuah himpunan data pada awalnya dikodekan di antara bobot-bobot link di dalam fuzzy MLP, yaitu dengan menggunakan apriori probabilitas kelas yang bersangkutan. Pengkodean ini juga melibatkan pembentukan hidden nodes yang merepresentasikan wilayah kelas-kelas pola dan juga wilayah komplemennya. Arsitektur jaringan, yang dimaksud dalam hal ini yaitu node-node dan penghubungnya, terus diperbaiki selama proses training berlangsung. Hasil-hasil yang dicapai pada empat kali uji coba menunjukkan bahwa kecepatan pembelajaran dan performa klasifikasi dari metode yang diusulkan adalah cukup baik pada setiap uji coba. Hanya dalam dua puluh kali iterasi, jaringan syaraf mencapai solusi optimal. Sedangkan performa klasifikasi berdasarkan correct match mencapai angka rata-rata 70 persen pada tahap testing.