A. Praktikum
1. Buka Google Colaboratory melalui tautan ini.
2. Tulis kode berikut ke dalam setiap cell pada notebook tersebut.
a. Fungsi Self-Organizing Maps
import numpy as np
lrate *= b
epoch += 1
for x in X:
d = [sum((w - x) ** 2) for w in centroids]
min = np.argmin(d)
labels.append(min)
return centroids, labels
b. Klaterisasi
B. Screenshot
b. Klaterisasi
Output:
C. Analisis
1. Ubah parameter pada kode b menjadi learning rate = 0,05 dan epoch maksimum
= 3 lalu jalankan program. Amati gambar hasil klasterisasi dan nilai silhouette
yang didapatkan.
Jawab:
a. Kode awal:
Output:
Berdasarkan perbandingan foto di atas antara kode awal dan kode yang diubah,
tidak terdapat perubahan hasill. Dapat dilihat pada gambar hasil klasterisasi dan
nilai silhouette kode awal dengan kode yang diubah.
D. Kesimpulan
Bobot dalam jaringan Self-Organizing Map berfungsi sebagai centroid yang
dimana centroid harus ditentukan terlebih dahulu untuk menentukan pemenang
antara centroid dengan posisi terdekat dengan suatu input selama proses berjalan.
Kemudian, centroid tersebut akan akan memperbarui posisinya untuk lebih
mendekat ke input tersebut.
Perbedaan jaringan SOM dengan jaringan saraf tiruan lainnya terdapat pada
letak neuron target. Dimana, didalam jaringan SOM, neuron target tidaak
diletakkan dalam sebuah baris seperti model JST lainnya. Neuron target jaringan
SOM diletakkan dalam dua dimensi yang topologinya dapat diatur. Perubahan
bobot merupakan perbedaan jaringan SOM dengan JST lainnya. Perubahan bobot
pada jaringan SOM tidak hanya dilakukan pada bobot garis yang terhubung ke
neuoron pemenang saja, tetapi perubahan juga pada bobot garis ke neuron-neuron
disekitarnya. Jadi, perbedaan jaringan SOM dengan JST lainnya terdapat pada
algoritmanya.