Dosen Pengajar:
M.Abrar Masril S.Kom, M.Kom
Disusun Oleh:
Arvy Kurnia Ramadhan (2022009)
Budi Prasetio (2022015)
Kata Ersada Pinem (2022026)
2.1 Backpropagation
Backpropagation merupakan metodepelatihan yang menggunakan multilayer
perceptron untuk memecahkan masalah yang rumit dengan metode pelatihan
terawasi, yaitu pelatihan yang menggunakan pasangan masukan-keluaran dan
yang akan dihitung adalah bobot, disesuaikan berdasarkan proses pelatihan yang
dilakukan hingga mencapai target keluaran yang diinginkan. Backpropagation
menggunakan memory yang lebih sedikit daripada algoritma yang lainnya dan
dapat memberikan hasil dengan tingkat kesalahan yang masih dapat diterima
dengan kecepatan pemrosesan yang cukup cepat. Selain itu, metode ini menjadi
pilihan karena kemampuannya untuk mengenali pola masukkan yang tidak
lengkap atau kurang bagus dan kestabilan pemanggilan pada setiap kali recall
untuk mengenali pola citra. Pada metode ini, jaringan tidak memiliki koneksi
khusus untuk melakukan perhitungan mundur dari satu layer menuju layer
sebelumnya. Namun, error pada output layer akan dipropagasikan ke belakang
menuju input layer.
Pada Tabel 1 dapat dilihat data latih yang digunakan, yakni tahun 2016
hingga 2017 dengan target tahun 2018. Tabel 2 merupakan hasil normalisasi data
latih. Data ini telah dinormalisasi menggunakan Fungsi Sigmoid. Tabel 3
disajikan data uji yang digunakan, yakni tahun 2018 dengan target tahun 2019.
Tabel 4 menyajikan hasil normalisasi data uji. Data ini juga telah dinormalisasi
menggunakan Fungsi Sigmoid
Tabel 1. Data Curah Hujan Selama 3 Tahun
Gambar 5.
Berdasarkan nilai koefisien korelasi dan nilai mean square error yang diperoleh
pada proses pelatihan, dapat diprediksi oleh jaringan syaraf tiruan Curah hujan,
pada tahap uji jaringan nilai MSE yang dihasilkan Pengujian menunjukkan bahwa
jaringan syaraf tiruan backpropagation cukup baik Peramalan hujan dapat
meningkatkan kinerja jaringan Mengalikan data pelatihan dan mengubah
parameter yang mempengaruhi Kinerja seperti target kegagalan, jumlah zaman,
arsitektur jaringan, dan jenis operasi Pengaktifan. MSE diperoleh pada pengujian
dengan nilai 0,94324, ditunjukkan pada Gambar 7.
Gambar 7. Pengujian
BAB V
KESIMPULAN
Dewi, K. N. A., Bahri, S., & Irwansyah. (2015). Model Prediksi Curah
Hujan Harian Menggunakan Jaringan Syaraf Tiruan Backpropagation.
Eigen Mathematics Journal, 1-5.
Mukid, M. A., & Sugito. (2013). Model Prediksi Curah Hujan Dengan
Pendekatan Regresi Proses Gaussian. Universitas Diponegoro, 6, 113-122.