Algoritma Pelatihan Levenberg-Marquardt Backpropagation Artificial Neural Network Untuk Data Time Series

Abstract

Algoritma Levenberg-Marquardt merupakan salah satu algoritma backpropagation Artificial Neural Network yang dikembangkan sendiri oleh Kenneth Levenberg dan Donald Marquardt, memberikan solusi numerik untuk masalah meminimalkan fungsi non-linear. Algoritma ini
memadukan metode steepest descent dan algoritma Gauss-Newton. yaitu kecepatan algoritma Gauss-Newton dan stabilitas metode steepest descent. Ide dasar dari algoritma LevenbergMarquardt adalah melakukan proses pelatihan gabungan. Pada sekitar area dengan kelengkungan yang kompleks, algoritma Levenberg-Marquardt beralih ke algoritma steepest descent, sampai kelengkungannya tepat untuk membuat pendekatan kuadrat dan pendekatannya
menggunakan algoritma Gauss-Newton, yang dapat mempercepat konvergensi secara signifikan. Dalam menerapkan algoritma Levenberg-Marquardt untuk pelatihan neural network, harus menyelesaikan dua masalah yaitu menghitung matriks Jacobian, dan bagaimana mengatur proses pelatihan iteratif untuk memperbarui bobot. Algoritma Levenberg-Marquardt memecahkan permasalahan yang ada di kedua metode gradient descent dan metode GaussNewton untuk pelatihan neural-netwok, dengan kombinasi dari dua algoritma maka algoritma ini dianggap sebagai salah satu algoritma pelatihan yang paling efisien.

Kata Kunci: Levenberg-Marquardt Backpropagation, Artificial Neural Network