ANALISIS KEMAMPUAN ARTIFICIAL NEURAL NETWORK DALAM MEMPELAJARI POLA LOGIKA AND, OR, DAN XOR UNTUK KLASIFIKASI KEAKTIFAN MENGGUNAKAN DATA SMARTWATCH

Abstrak

Penelitian ini bertujuan untuk menganalisis kemampuan Artificial Neural Network (ANN) dalam mempelajari pola logika AND, OR, dan XOR menggunakan data aktivitas fisik smartwatch. Dataset yang digunakan merupakan Random Fitness Dataset yang terdiri atas 200 data dengan dua variabel masukan, yaitu heart rate average dan steps. Status keaktifan dibentuk menggunakan tiga aturan logika yang berbeda, yaitu AND, OR, dan XOR. Data diproses melalui tahap normalisasi dan transformasi biner sebelum digunakan sebagai masukan model ANN. Arsitektur yang digunakan terdiri atas dua neuron pada lapisan input, satu hidden layer dengan empat neuron beraktivasi ReLU, serta satu neuron output beraktivasi sigmoid. Hasil eksperimen menunjukkan bahwa model logika OR menghasilkan performa terbaik dengan accuracy sebesar 76,0% dan loss sebesar 0,5458, diikuti oleh logika AND dengan accuracy sebesar 72,5% dan loss sebesar 0,5850. Sementara itu, logika XOR menghasilkan accuracy sebesar 52,0% dengan loss sebesar 0,6916. Hasil penelitian menunjukkan bahwa tingkat kompleksitas pola logika memengaruhi kemampuan pembelajaran ANN, di mana logika OR lebih mudah dipelajari dibandingkan logika AND dan XOR.