Optimasi Parameter Jaringan Saraf Tiruan Menggunakan Algoritma Genetika dengan Partially Mapped Crossover (PMX): Analisis Kinerja Berbasis Simulasi

Khairuddin Nasution (Universitas Islam Sumatera Utara)
Muhammad Zulfansyuri Siambaton (Universitas Islam Sumatera Utara)

Journal of Electrical Technology
Vol 11, No 2 (2026): : Edisi June

Kinerja Jaringan Saraf Tiruan (JST) sangat dipengaruhi oleh pemilihan hiperparameter yang tepat, termasuk laju pembelajaran, jumlah neuron tersembunyi, dan momentum. Penelitian ini memperkenalkan strategi optimisasi yang disempurnakan berdasarkan Algoritma Genetika (AG) yang menggabungkan operator Partially Mapped Crossover (PMX) untuk menyesuaikan parameter JST secara efektif. Pendekatan PMX-AG yang diusulkan dievaluasi menggunakan dataset klasifikasi Iris melalui eksperimen simulasi dan diuji bandingkan dengan metode crossover AG konvensional, yaitu crossover satu titik dan seragam. Kinerja dievaluasi menggunakan mean squared error (MSE), akurasi klasifikasi, dan kecepatan konvergensi. Temuan menunjukkan bahwa PMX-AG mencapai nilai MSE yang lebih rendah (0,0187) dan akurasi yang lebih tinggi (97,33%), sekaligus menunjukkan konvergensi yang lebih cepat dan ketahanan yang lebih baik. Hasil ini menunjukkan bahwa PMX-AG merupakan teknik yang menjanjikan untuk mengoptimalkan hiperparameter JST dalam aplikasi kecerdasan komputasional.