Desain dan Uji Komputasi Paralel Penentuan Nilai Penghalus (u) Algoritma Jaringan Syaraf ProbabiIistik (PIVIV) untuk Klasifikasi Bunga Iris

Abstract

Probabilistic Neural Netwrk {disingkul PNN} mrupaknn salah saw jaringan suraf tirunn ymg banyak dihmbangkan bagi kepent*rgan manusia. PNN memiliki tingkat ahrasi Uasftknsi ymg ctrkup ling@ dm waktu peldihan ymg &p singkat. Salah satu fokor yang mempengatuhi akurasi klas$kosi PNN adalnh parameter pengholus (a). Proses pencarian nilai 0 yang optimum metyakon sulah sotu prapemrosm yang ham dilabkan sebelum rnas~k ke PNN. Nilai paramelr LT tidak dapat diternhrkan secara lungsung. OIeh sebob itu algoritma genetik dapat digunakan wtuk mencari nilai LY png optimum. Pado umumnya solnsi dari algoritma genetik semakin baik apabila jumlah popuiasi yang dibangkilh ctthp besar dun proses alarniah evolusi swing terjadi. Hal ini fentunya membu~uhkan banyak iierasi dun mmberdaya kontptdasi yang c u b besar. Pennasalahan ini dapat diaiasi dengan penerapan hmputasi pamlel pada algorilmo genetik untuk mcnduga parameter penghalw (a) dari model PNN yang optimum. Penelition ini bertujuan unruk menguji dun membandingkan kinerja dari algoriima PNN yang rnenggunakan kompuiasi paratel dengan yang menggunakan konlpu fasi sequential (ileraig uniuk penenman n ilai peghaius (01 yang diaplikasikan pada klasi/ikasi bungo Iris. Berbagai kriteria yang digunakan vntuk uji anolisis adalah abrast klasifrknri PNN, waktu eksekusi loral, r a i o kebergon~ungan mesin, peningkatan kecepaian, dan eflsiensi. Dari percobaan didapathn kesitnpulan bahwa secara mum kinetja aIgoriima paralel jauh lebih baik apabila dibandingkan dengan algoritma sekuemial (iteratfl.