Materi 4: Arsitektur Jaringan Syaraf Tiruan dan Heuristik Algoritma Genetika - Academics

Arsitektur Jaringan Syaraf Tiruan dan Heuristik Algoritma Genetika

Pembahasan mendalam tentang dua pilar komputasi cerdas: pemodelan koneksionis Jaringan Syaraf Tiruan (Artificial Neural Networks) dan metode pencarian stokastik berbasis populasi Algoritma Genetika (Genetic Algorithms).

1. Arsitektur Multilayer Perceptron (MLP) dan Backpropagation

Jaringan Syaraf Tiruan umpan maju (feedforward) terdiri atas lapisan masukan (input layer), satu atau lebih lapisan tersembunyi (hidden layer), dan lapisan luaran (output layer).

Propagasi Maju (Forward Propagation):

z_j = \sum_{i=1}^n w_{ji} x_i + b_j, \quad a_j = f(z_j)

di mana $f(z)$ adalah fungsi aktivasi nonlinier seperti Sigmoid $\frac{1}{1 + e^{-z}}$ , Tanh, atau ReLU $\max(0, z)$ .

Fungsi Rugi (Loss Function): Mean Squared Error (MSE) untuk regresi atau Binary Cross-Entropy untuk klasifikasi.
Perambatan Balik Error (Backpropagation): Menggunakan aturan rantai diferensial kalkulus (chain rule) untuk menghitung gradien kesalahan terhadap bobot $\frac{\partial L}{\partial w_{ji}}$ , lalu memperbarui parameter model melalui algoritma Gradient Descent:

w_{ji}^{(t+1)} = w_{ji}^{(t)} - \eta \frac{\partial L}{\partial w_{ji}}

2. Tahapan Siklus Algoritma Genetika (Genetic Algorithms)

Algoritma Genetika memodelkan pencarian solusi optimal melalui evolusi populasi kromosom:

Inisialisasi Populasi: Pembentukan himpunan individu berkode biner, riil, atau permutasi.
Evaluasi Fitness: Perhitungan nilai kesesuaian individu terhadap fungsi objektif lingkungan.
Seleksi Orang Tua: Pemilihan kromosom berkualitas menggunakan metode Roulette Wheel, Tournament Selection, atau Rank-based Selection.
Pindah Silang (Crossover): Pertukaran segmen genetik antar induk (Single-point, Two-point, atau Order Crossover/OX pada masalah permutasi).
Mutasi Genetik: Modifikasi acak nilai gen dengan probabilitas kecil ( $p_m$ ) untuk mencegah konvergensi prematur pada optimum lokal.
Elitisme dan Pergantian Generasi: Mempertahankan individu dengan fitness tertinggi ke generasi berikutnya.