LAPORAN PRAKTIKUM

TEKNIK KLASIFIKASI PENGENALAN POLA

UNIT 8
ALGORITMA BACKPROPAGATION UNTUK PENGENALAN
POLA

Disusun Oleh:
M.Ihsanul Fikri

1800022085

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS AHMAD DAHLAN
YOGYAKARTA
2021
Tujuan Praktikum :

Memahami konsep algoritma backpropagation untuk pengenalan pola

Langkah-langkah Praktikum :

Lakukanlah pelatihan dan pengujian fungsi XOR dengan laju pembelajaran α = 0.05 dan iterasi
500. Buat dan jalankan Prak81a.m (menggunakan fungsi toolbox NN)

%Prak91a.m
%Ihsanul fikri
%1800022085
%Data pelatihan
%
31
pm1=[0 0]';
pm2=[0 1]';
pm3=[1 0]';
pm4=[1 1]';
pm=[pm1 pm2 pm3 pm4]
pt=[0 1 1 0]
%mode training
net=newff(minmax(pm),[2,1],{'tansig','tansig'},'traingd');
net.trainParam.show = 50;
net.trainParam.lr = 0.5;
net.trainParam.epochs = 500;
net.trainParam.goal = 1e-5;
[net,tr]=train(net,pm,pt);
%mode testing
p=input('Masukkan pola : ')
[yin]= sim(net,p)

Hasil dan Pembahasan (Sertakan Screenshot Hasil Simulasi)

Melakukanlah pelatihan dan pengujian fungsi XOR dengan laju pembelajaran α = 0.05
dan iterasi 500.
Pada percobaan ini melakukan pelatihan dan pengujian XOR dengan laju pembelajaran α = 0.05
dan iterasi 500. Pada program ini digunakan 2 jenis mode yaitu mode training dan mode testing.
Ketika program dijalankan maka akan muncul perintah untuk memasukkan pola yang akan diuji.
 Gambar 1. 1 Listing Program Pelatihan dan Pengujian Fungsi XOR

Setelah pola dimasukkan akan menghasilkan nilai p dan yin pada command window. Pada
pengujian ini pola yang dimasukkan adalah [0 0 1 1;0 1 0 1] akan menghasilkan yin [0.0006
0.5000 0.9688 0.5022]

Gambar 1. 2 Hasil Running Program Pelatihan dan Pengujian Fungsi XOR

Setelah pola dimasukkan maka akan muncul figure yang merupakan Neural Network Training
(NNT). Pada NNT tersebut akan menampilkan arsitektur,algoritma,dan progress. Pada bagian
progress akan muncul keterangan iterasi dengan jumlah 500.

Gambar 1. 3 NNT Pelatihan dan Pengujian Fungsi XOR

Kesimpulan :

Algoritma backpropragation (BP) menggunakan error output untuk mengubah nilai

bobot-bobotnya dalam arah balik (backward). Algoritma BP terdiri dari umpan maju pola
pelatihan, perhitungan perambatan balik dan pengaturan bobot.