ARSITEKTT]R JARII\GAN
41
,:
"I
l. apis T ersem bunyi
xi 7.,
dengan '
Pengolairan Elemen
4-
keluaran untuk menghitung nilai aktifasinya dengan menjumlahkan
perkalian antara sinl'al keluaran lapis tersernbunyi dengan bobot
antara lapis tersembunyi dan lapisan keluaran dan menipunyai bias
tefientu.
o Neuron lapis keluaran menghitung sinyal keluaran dengan
Inisialisasi bobot
Bobot awal akan menentukan proses pembelajaran pada jaringan
neural untuk mencapai konvergensi dan mengalami global minima atau
local minima kesalahan. Dalam penelitian ini digunakan inisialisasi
secara acak dengarr nilai bobot yang berkisar antara -0.5 sampai dengan
0.5.
i
I
43
a
Fungsi aktifasi
Pada umunnya setiap unit yang berbeda dalam satu lapisan akan
mempunyai fungsi aktifasi yang sama dan fungsi aktifasi harus kontinu
dan monoton tidak menurun.[10]. Dalam penelitian ini digunakan fungsi
sigmoid unipolar yang dapat dinyatakan sebagai berikut :'
f(net) - I + e-nt'
dengan net adalah hasil keluaran komputasi dari setiap neuron.
Fungsi kesalahan
Sistem JNB dengan propagasi balik menggunakan prosedur
gradient descent atau menuruni lembah permukaan kesalahan, untuk
minimasi suatu fungsi kesalahan. Dan fungsi kesalahan yang digunakan
dalam penelitian ini berbentuk fungsi kesalahan kuadratis yang
dinl,atakan sebagai berikut :
E:UZZ(du -o.)'
dengan :
Laju pernbelajaran
Laju pemL'elajaran merupakan parameter jaringan yang berfungsi
untuk mengendalikan proses penvesuaian bobot, nilain.va tergantung
44
a
pada kasus yang dihadapi. Laju pembelajaran yang terlalu kecil
menvebabkan konvergensi jaringan meniadi lebih lambat, sedang laju
pembelajaran yang terlalu besar dapat menyebabkan ketidakstabilan
pada jaringan, sedangkan nilai laju pembelajaran dalarn penelitian ini
adaiah 0.001
\lomentum
Sistem JNB dengan propagasi balik dalam penelitian ini
menggunakan momentunl untuk nletnpercepat pelatihan jaringan.
Metode momentum melibatkan penl'esuaian bobot ditambah dengan
faktor tertentu dari penvesuaiatt sebeLunm)'a l-ang dinyatakan sebagai
berikut
5k - ok.(1 - ok ).(d* - o* )
dengan,
w1 : nilai bobot
cr :la1u pembelajaran
6r : sinyal kesalahan,
tj
: hasil komputasi pada lapis sembunyi atau lapis keluaran
45
ALGORITMA PEN{RELAJARAI{
Langkah 3 Setiap unit input (Xi, i - l, ... , n) rnenerima sinyal masukkan,.-; dan
z-tnj=voj+ix,v,,
i-1
zi : fQ_in),
46
, lalu men-ialankan fungsi aktivasinya untuk menghitung sinyal
keluarannl'a-
Propagasi kesalahan :
Att'.,s - a &:,.
Atl'oP: a fi'
6-irr,=td*tr',,
At',, a fix"
47
j
dan menghitung koreksi biasnya(untuk mengubah l',i),
:11.,,i abi.
Langkah 8 Setiap unit keluaran (Yr, k - l, .. . nr) mengubah bias dan bobot -
bobotrYa (l :0' 'P):
48