MODUL 11

MODEL JARINGAN SWA ORGANISASI KOHONEN

11.1. Pemetaan Swa Organisasi Kohonen Pemetaan Swa Organisasi Kohonen (Kohonen Self Organizing Maps, SOM), merupakan model pemetaan dari jaringan syaraf tiruan dimana suatu lapisan yang berisi neuron-neuron akan menyusun dirinya sendiri berdasarkan input nilai tertentu dalam suatu kelompok yang dikenal dengan istilah cluster. Selama proses penyusunan diri, cluster yang memiliki vector bobot paling cocok dengan pola input (memiliki jarak yang paling dekat) akan terpilih sebagai pemenang. Selanjutnya, neuron yang menjadi pemenang beserta dengan neuron-neuron tetangganya akan memperbaiki bobotbobotnya masing-masing. 11.2. Arsitektur Jaringan Arsitektur jaringan Kohonen SOM diperlihatkan dalam gambar 11-1. Dalam hal ini, bila kita ingin membagi data-data menjadi K cluster,maka lapisan kompetitif akan terdiri atas K buah neuron.

Gambar 11-1 Jaringan Kohonen SOM Seperti yang diperlihatkan dalam gambar diatas dimisalkan bahwa terdapat 2 unit input ( P1 dan P2), yang akan dibentuk kedalam 3 cluster neuron lapisan output (Y1, Y2, dan Y3). Selanjutnya neuron-neuron tersebut akan memperbaiki bobotnya masing-

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Kartika Sekar Sari, ST., MT.

JARINGAN SYARAF TIRUAN

masing, sebagai bobot Wij . Dalam hal ini, bobot Wij mengandung pengertian bobot yang menghubungkan neuron ke-j pada lapisan input menuju neuron ke-i pada lapisan output.

Gambar 11-2 Ketetanggan bentuk segi empat

Gambar 11-2 Ketetanggan bentuk hexagonal

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Kartika Sekar Sari, ST., MT.

JARINGAN SYARAF TIRUAN

11.3. Algoritma Jaringan Algoritma pelatihan Jaringan Kohonen SOM adalah sebagai berikut: Langkah-0. Inisialisasi bobot Wij Tetapkan parameter cluster (m) dan parameter laju pelatihan (). Langkah-1. Selama syarat berhenti salah, lakukan langkah-langkah dibawah ini: Langkah (i). Untuk setiap vector masukan X , lakukan beberapa langkah dibawah ini: Langkah (a). Untuk setiap j hitunglah:

D( j ) = ( wij xi ) 2
i
Langkah (b). Cari indeks j sedemikian sehingga D (j) minimum Langkah (c). Untuk semua unit j didalam ketetanggaan j, dan untuk semua i, hitunglah:

wij(baru) = wij(lam a) + [ xi wij (lam a) ]

Langkah (ii). Perbarui laju belajar. Langkah (iii). Kurangi jari-jari ketetanggaan topologis dengan pencacahan tertentu. Langkah (iv). Uji syarat berhenti. Bila benar, maka berhenti Contoh-1: Vector-vector yang akan dikelompokkan adalah sebagai berikut: [1 1 0 0], [0 0 0 1], [1 0 0 0], [0 0 1 1]. Jumlah cluster yang diinginkan adalah m = 2, dengan bobot awal tiap cluster:W 1= [0.2 0.6 0.5 0.9]; W2= [0.8 0.4 0.7 0.3]; Ditetapkan Laju pelatihan awal (0) = 0.6 dan (t+1) = 0.5 (t). Radius ketetanggaan R=0.Carilah matriks bobot setelah 100 iterasi dan tentukan termasuk kelompok cluster yang mana keempat vector masukan diatas.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Kartika Sekar Sari, ST., MT.

JARINGAN SYARAF TIRUAN

Penyelesaian: Step-0 Inisialisasi matriks bobot:

0.2 0.6 0.5 0.9

R=0

0.8 0.4 0.7 0.3

Inisialisasi radius Inisialisasi learning rate

(0) = 0.6
step-1 Mulai pelatihan: step-2 Untuk vector pertama [ 1 1 0 0] lakukan langkah 3-5; step-3 D (1) = (0.2 1) 2 + (0.6 1) 2 + (0.5 0) 2 + (0.9 0) 2 = 1.86;

D(2) = (0.8 1) 2 + (0.4 1) 2 + (0.7 0) 2 + (0.3 0) 2 = 0.98;

step-4 Vektor input tertutup untuk output node 2, maka: J=2 Step-5 Bobot unit pemenang di perbaharui dengan:

wi 2 = wi 2( old ) + 0.6[ xi wi 2( old ) ] wi 2 = 0.4wi 2( old ) + 0.6 xi

Bobot matriks yang diberikan saat ini:

0.2 0.6 0.5 0.9

0.92 0.76 0.28 0.12

step-2 Untuk vector kedua [ 0 0 0 1] lakukan langkah 3-5; step-3 D (1) = (0.2 0) 2 + (0.6 0) 2 + (0.5 0) 2 + (0.9 1) 2 = 0.66;

D(2) = (0.92 0) 2 + (0.76 0) 2 + (0.28 0) 2 + (0.12 1) 2 = 2.27;

step-4 Vektor input tertutup untuk output node 1, maka: J=1

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Kartika Sekar Sari, ST., MT.

JARINGAN SYARAF TIRUAN

Step-5 Kolom pertama di perbaharui dengan:

0.08 0.24 0.20 0.96

0.92 0.76 0.28 0.12

step-2 Untuk vector ketiga [ 1 0 0 0] lakukan langkah 3-5; step-3 D (1) = (0.8 1) 2 + (0.24 0) 2 + (0.20 0) 2 + (0.96 0) 2 = 1.865;

D(2) = (0.92 1) 2 + (0.76 0) 2 + (0.28 0) 2 + (0.12 0) 2 = 0.676;

step-4 Vektor input tertutup untuk output node 2, maka: J=2 Step-5 Kolom kedua di perbaharui dengan:

0.08 0.24 0.20 0.96

0.968 0.304 0.112 0.048

step-2 Untuk vector keempat [ 0 0 1 1] lakukan langkah 3-5; step-3 D (1) = (0.08 0) 2 + (0.24 0) 2 + (0.20 1) 2 + (0.96 1) 2 = 0.705;

D(2) = (0.968 0) 2 + (0.304 0) 2 + (0.112 1) 2 + (0.0.48 1) 2 = 2.72;

step-4 J = 1 Step-5 Kolom pertama di perbaharui dengan:

0.032 0.096 0.680 0.984

0.968 0.304 0.112 0.048

step-6 Kurangi dengan learning rate:

= 0.5(0.6) = 0.3
Persamaan bobot yang diperbaharui sekarang:

wij ( new ) =wij ( old

+0.3[ xi wij ( old ) ]

)

wij ( new ) =0.7 wij ( old

+0.3 xi

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Kartika Sekar Sari, ST., MT.

JARINGAN SYARAF TIRUAN

Matriks bobot setelah 2 kali pelatihan adalah:

0.016 0.047 0.630 0.999

0.980 0.360 0.055 0.024

Hasil dari perhitungan sesuai dengan tahapan-tahapan pelatihan dimana learning rate dikurangi secara geometris dari 0.6 sampai 0.01 selama 100 iterasi (epoch) akan menghasilkan nilai matriks bobot sebagai berikut:

Iterasi-0

0 .2 0 .6 Matriks bobot: 0 .5 0 .9

0.92 0.76 0.28 0.12 0.970 0.300 0.110 0.048 0.9900 0.3000 0.0200 0.0086

Iterasi-1

0.032 0.096 Matriks bobot: 0.680 0.980

Iterasi-2

0.0053 0.1700 Matriks bobot: 0.7000 1.0000

Iterasi-10

1.5e 7 1.0000 4.6e 7 0.3700 Matriks bobot: 0.6300 5.4e 7 1.0000 2.3e 7 1.9e 19 1.0000 5.7e 15 0.4700 Matriks bobot: 0.5300 6.6e 15 1.0000 2.8e 15 6.7e 17 1.0000 2.0e 16 0.4900 Matriks bobot: 0.5100 2.3e 16 1.0000 1.0e 16

Iterasi-50

Iterasi-100

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Kartika Sekar Sari, ST., MT.

JARINGAN SYARAF TIRUAN

Seperti yang terlihat bahwa matriks bobot yang dihasilkan nampak konvergen dengan matriks:

0.0 0.0 0.5 1.0

1.0 0.5 0.0 0.0

Untuk memeriksa kebenaran maka: X = [1 1 0 0]; W =[0 1;0 0.5;0.5 0;1 0]; Y = X*W Y=[0 1.5000] Dengan demikian,vector masukan uji tersebut diklasifikasikan kedalam gugus(cluster) 2. Latihan soal 1. Vector-vector yang akan dikelompokkan adalah sebagai berikut: [1 1 1 0], [0 0 0 1], [1 0 0 0], [0 0 1 1]. Jumlah cluster yang diinginkan adalah m = 2, dengan bobot awal tiap cluster:W1= [0.2 0.6 0.5 0.9]; W2= [0.8 0.4 0.7 0.3]; Ditetapkan Laju pelatihan awal (0) = 0.6 dan (t+1) = 0.5 (t). Radius ketetanggaan R=0.Carilah matriks bobot setelah 100 iterasi dan tentukan termasuk kelompok cluster yang mana keempat vector masukan diatas. 2. Vector-vector yang akan dikelompokkan adalah sebagai berikut: [1 1 0 0], [0 1 0 1], [1 0 0 0], [0 0 1 1]. Jumlah cluster yang diinginkan adalah m = 2, dengan bobot awal tiap cluster:W1= [0.2 0.1 0.9 0.7]; W2= [0.2 0.5 0.7 0.8]; Ditetapkan Laju pelatihan awal (0) = 0.3 dan (t+1) = 0.1 (t). Radius ketetanggaan R=0.Carilah matriks bobot setelah 100 iterasi dan tentukan termasuk kelompok cluster yang mana keempat vector masukan diatas. 3. Vector-vector yang akan dikelompokkan adalah sebagai berikut: [1 1 0 0], [0 0 0 1], [1 01 0], [0 0 1 1]. Jumlah cluster yang diinginkan adalah m = 4, dengan bobot awal tiap cluster:W1= [0.3 0.7 0.5 0.8]; W2= [0.9 0.2 0.7 0.3];

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Kartika Sekar Sari, ST., MT.

JARINGAN SYARAF TIRUAN

Ditetapkan Laju pelatihan awal (0) = 0.6 dan (t+1) = 0.4 (t). Radius ketetanggaan R=0.Carilah matriks bobot setelah 100 iterasi dan tentukan termasuk kelompok cluster yang mana keempat vector masukan diatas. 4. Vector-vector yang akan dikelompokkan adalah sebagai berikut: [1 1 0 0], [0 0 0 1], [1 0 0 0], [1 0 1 1]. Jumlah cluster yang diinginkan adalah m = 3, dengan bobot awal tiap cluster:W1= [0.2 0.6 0.5 0.9]; W2= [0.6 0.5 0.9 0.3]; Ditetapkan Laju pelatihan awal (0) = 0.5 dan (t+1) = 0.2 (t). Radius ketetanggaan R=0.Carilah matriks bobot setelah 100 iterasi dan tentukan termasuk kelompok cluster yang mana keempat vector masukan diatas. 5. Vector-vector yang akan dikelompokkan adalah sebagai berikut: [1 1 0 0], [0 0 0 1], [1 0 1 0], [1 0 1 1]. Jumlah cluster yang diinginkan adalah m = 2, dengan bobot awal tiap cluster:W1= [0.3 0.7 0.5 0.9]; W2= [0.8 0.9 0.7 0.2]; Ditetapkan Laju pelatihan awal (0) = 0.5 dan (t+1) = 0.3 (t). Radius ketetanggaan R=0.Carilah matriks bobot setelah 100 iterasi dan tentukan termasuk kelompok cluster yang mana keempat vector masukan diatas.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Kartika Sekar Sari, ST., MT.

JARINGAN SYARAF TIRUAN