Nama: Istana Islam

NBI: 1462100051
Kelas: R
Tugas ke-3

Tabel dataset berikut digunakan untuk memprediksi seseorang akan membeli komputer atau tidak dengan atribut pendapatan, pelajar atau tidak dan kemampuan kreditnya.

Keterangan : Nilai variable diatas dapat dinyatakan dalam bentuk diskrit sbg berikut
● Buys Computer : No  0, Yes  1
● Income : Low  0, Medium  1, High 2
● Student : No  0, Yes  1
● Credit rating : Fair  0, Average  1, Good  2, Excellent  3

Jika permasalahan tersebut diselesaikan dengan sebuah jaringan syaraf tiruan multilayer (satu hidden layer) dengan jumlah neuron pada hidden layer = 3, dengan
nilai threshold di setiap neuron = 1 dan nilai bobot pada input layer ke hidden layer = 0,5 dan nilai bobot pada hidden layer ke output layer = 0,1 Fungsi aktivasi yang digunakan adalah ReLU

1. gambarkan jaringannya lengkap dengan nilai threshold dan bobotnya

2.Lakukan proses pembelajaran dengan backpropaga on sebanyak 1 epoch menggunakan dataset pada table dengan pendekatan tensor

Output Y
Inputs Output bobot awal Y bobot akhir Eror
riil (mentah)
epoch (x-t)>0 --
Eror2 Eror3
> y=1
Income (x1)Student (x2)Credit (X3) buying (yd)w1 (bobot)w2 (bobot) w3(bobot) X (x-t)>0 w1 w2 w3 e=yd-y
selain -->
y=0
1 1 0 1 0,5 0,1 0,6 0,6 -0,4 1 1,05 1,01 0,06 0 0 0
2 0 1 0 0,6 0,2 0,9 2,1 1,1 1 2,06 0,02 1,09 -1 1 0
1 0 1 2 0 0,8 0,2 1,2 2,6 1,6 1 0,08 1,02 2,12 -1 1 0
1 0 0 1 0,8 0,3 1,1 0,8 -0,2 1 1,08 0,03 0,11 0 0 0
0 0 0 1 0,9 0,3 1,2 0 -1 0 0,09 0,03 0,12 1 1 8

3.Hitung SSE dari epoch tsb

SSE= 1

4.Tentukan nilai keluaran dari jaringan tersebut (beli komputer atau dak) dengan menggunakan bobot dari hasil pembelajaran diatas untuk data berikut (feed forward)

Output Y
Inputs Output bobot awal Y Eror bobot akhir
riil (mentah)
epoch (x-t)>0 --
> y=1
Income (x1)Student (x2)Credit (X3) buying (yd)w1 (bobot)w2 (bobot) w3(bobot) X (x-t)>0 e=yd-y w1 w2 w3
selain -->
y=0
2 0 3 1 0,5 0,1 0,9 3,7 2,7 1 0 2,05 0,01 3,09
1 0 2 0 0,7 0,1 1 2,7 1,7 1 -1 1,07 0,01 2,1
1 0 0 2 0 0,8 0,1 1,1 2,2 1,2 1 -1 0,08 0,01 2,11
2 0 1 0 0,8 0,1 1 2,6 1,6 1 -1 2,08 0,01 1,1
1 1 1 1 1 0,1 1,2 2,3 1,3 1 0 1,1 1,01 1,12

5.Bandingkan hasil prediksi (hasil perhitungan pada jaringan) dengan nilai riil pada data test tersebut.

tabel 1
Output Y
Inputs Output bobot awal Y bobot akhir Eror
riil (mentah)
epoch (x-t)>0 --
Eror2 Eror3
> y=1
Income (x1)Student (x2)Credit (X3) buying (yd)w1 (bobot)w2 (bobot) w3(bobot) X (x-t)>0 w1 w2 w3 e=yd-y
selain -->
y=0
1 1 0 1 0,5 0,1 0,6 0,6 -0,4 1 1,05 1,01 0,06 0 0 0
2 0 1 0 0,6 0,2 0,9 2,1 1,1 1 2,06 0,02 1,09 -1 1 0
1 0 1 2 0 0,8 0,2 1,2 2,6 1,6 1 0,08 1,02 2,12 -1 1 0
1 0 0 1 0,8 0,3 1,1 0,8 -0,2 1 1,08 0,03 0,11 0 0 0
0 0 0 1 0,9 0,3 1,2 0 -1 0 0,09 0,03 0,12 1 1 8

tabel 2

Output Y
Inputs Output bobot awal Y Eror bobot akhir
riil (mentah)
epoch (x-t)>0 --
> y=1
Income (x1)Student (x2)Credit (X3) buying (yd)w1 (bobot)w2 (bobot) w3(bobot) X (x-t)>0 e=yd-y w1 w2 w3
selain -->
y=0
2 0 3 1 0,5 0,1 0,9 3,7 2,7 1 0 2,05 0,01 3,09
1 0 2 0 0,7 0,1 1 2,7 1,7 1 -1 1,07 0,01 2,1
1 0 0 2 0 0,8 0,1 1,1 2,2 1,2 1 -1 0,08 0,01 2,11
2 0 1 0 0,8 0,1 1 2,6 1,6 1 -1 2,08 0,01 1,1
1 1 1 1 1 0,1 1,2 2,3 1,3 1 0 1,1 1,01 1,12