JARINGAN SARAF HIBRIDA PB-SKNC DAN APLIKASINYA PADA PENGENALAN AROMA Benyamin Kusumoputro, Ari Saptawijaya * ABSTRAK JARINGAN SARAF HIBRIDA PB-SKNC DAN APLIKASINYA PADA PENGENALAN AROMA. Salah satu tujuan penelitian terhadap jaringan saraf tiruan adalah untuk meningkatkan kemampuan pengenalan dan mempersingkat waktu pelatihan jaringan. Kedua hal ini dapat dicapai dengan mengkombinasikan dua tipe pelatihan pada jaringan saraf tiruan, yaitu pelatihan dengan pengarahan dan pelatihan tanpa pengarahan. Jaringan saraf hibrida PB-SKNC dibangun dari jaringan saraf propagasi balik yang memiliki tipe pelatihan dengan pengarahan dan jaringan saraf swa-organisasi yang memiliki tipe pelatihan tanpa pengarahan. Jaringan saraf swa-organisasi yang membangun jaringan saraf hibrida ini telah dimodifikasi dengan memperhatikan sejarah kemenangan neuron cluster dalam proses pelatihannya. Dengan menggunakan sejarah kemenangan ini, dilakukan operasi pembentukan neuron cluster yang memiliki probabilitas kemenangan tinggi dan penghapusan neuron cluster yang memiliki probabilitas kemenangan rendah. Kedua operasi ini memungkinkan seluruh neuron cluster terdistribusi menurut data masukan. Adanya distribusi seluruh neuron cluster terhadap data masukan akan mempersingkat waktu pelatihan jaringan saraf hibrida ini, sedangkan kemampuan pengenalan yang baik dicapai melalui pelatihan dengan pengarahan. Dalam aplikasinya pada pengenalan aroma, jaringan saraf hibrida PB- SKNC menunjukkan kemampuan pengenalan yang baik dan waktu pelatihan yang lebih singkat dibandingkan dengan jaringan saraf hibrida PB-Adaptif yang pernah dikembangkan sebelumnya. ABSTRACT PB-SKNC HYBRID NEURAL NETWORK. One of the goals in the research on artificial neural network (ANN) is to improve the recognition ability of the network for some patterns and at the same time minimize the time needed for learning the patterns. These two goals can be achieved by combining two types of learning in artificial neural network, i.e. supervised learning and unsupervised learning. We have developed a hybrid ANN which we named PB-SKNC. This proposed network is built from back propagation neural network (PB – Propagasi Balik – in Indonesia) with its supervised learning and self-organizing neural network with its unsupervised learning. The self-organizing neural network used in this hybrid ANN has already modified by concerning cluster neuron winning history (SKNC – Sejarah Kemenangan Neuron Cluster – in Indonesia) in its learning algorithm. By concerning this winning history, creation and deletion operation of cluster neuron can be done. Cluster neuron with high winning probability is created while cluster neuron with low winning probability is deleted from the network. These two operations together will distribute all cluster neurons according to the patterns given. The distribution of all cluster neurons will improve the learning time of this hybrid ANN while good recognition ability can still be achieved through supervised learning that is also implemented in this new network. In its application on odor discrimination, PB-SKNC showed good recognition ability and shorter learning time than another hybrid ANN, i.e. PB-Adaptif that has already been built before. * Fakultas Ilmu Komputer Universitas Indonesia