OLEH : KELOMPOK 4

BACKPROPAGATIO Ayu Oka 1504505008

Novar S. 1504505023

N Raras Ayu
1504505025
BACKPRAPOGATION
Backpropagation merupakan salah satu JST
yang melatih jaringan untuk mendapatkan
keseimbangan antara kemampuan jaringan
untuk mengenali pola yang digunakan
selama pelatihan serta kemampuan
jaringan untuk memberikan respon yang
benar terhadap pola masukan yang serupa
(tapi tidak sama) dengan pola yang dipakai
selama pelatihan.
ARSITEKTUR JST
BACKPROPAGATION
Contoh Arsitekstur JST Backpropagation dengan:
x unit masukkan
z unit layer tersembunyi
y unit keluaran
1 1

V10 W20 W10

V20
Vp0 Wm0
V11 Z1 W11 Y1
X1

V21 W21
Vp1
Wm1
V12 W12
X2 Z2 Y2
V22 W22
Vm2 Wm2

V1n W1p

V2m W2p
Xn Zp Ym
Vpn Wmp

Layer Masukkan Layer Layer Keluaran

tersembunyi
FUNGSI AKTIFASI
Fungsi aktifasi yang digunakan pada backpropagation
yaitu sigmoid biner dan sigmoid bipolar.
FUNGSI AKTIFASI
 ALGORITMA PELATIHAN BACKPROPAGATION
Algoritma Pelatihan Backpropagation dengan satu layer
tersembunyi dan dengan menggunakan fungsi aktivasi sigmoid
biner 1 1
V10 W20 W10
V20
Vp0 Wm0
X1 V11 Z1 W11 Y1

Vp1 V21 Wm1

W2
1
V12 W12
X2 V22 Z2 W Y2
Vm2 Wm2 22
V1n W1p
V2m W2p
Xn Vpn Zp Wmp Ym

Langkah 0 : Inisialisasi semua bobot dengan bilangan acak

kecil.
Langkah 1 : Jika kondisi penghentian belum terpenuhi, lakukan
langkah 2 sampai dengan 8.
Langkah 2: Untuk setiap pasang data pelatihan, lakukan
langkah 3 sampai dengan 8
 ALGORITMA PELATIHAN
BACKPROPAGATION
1 1
V10 W20 W1
V20
Vp0 Wm0 0

X1 V11 Z1 W11 Y1

Vp1 V21 Wm1

W2
1
V12 W12
X2 V22 Z2 W Y2
Vm2 Wm2 22
Fase I: Propagasi Maju V1n W1p
V2m W2p
Xn Zp Ym
Langkah 3 Vpn Wmp

Tiap unit masukkan menerima sinyal dan meneruskan ke unit tersembunyi

Langkah 4

Hitung semua keluaran di unit tersembunyi (Zj):

 ALGORITMA PELATIHAN
BACKPROPAGATION
1 1
V10 W20 W1
V20
Vp0 Wm0 0

X1 V11 Z1 W11 Y1

Vp1 V21 Wm1

W2
1
V12 W12
X2 V22 Z2 W Y2
Vm2 Wm2 22
V1n W1p

Langkah 5 Xn
V2m
Vpn Zp
W2p
Wmp Ym

Hitung semua jaringan di unit keluaran (yk)

 ALGORITMA PELATIHAN
BACKPROPAGATION 1 1
V10 W20 W1
V20
Vp0 Wm0 0

X1 V11 Z1 W11 Y1

Vp1 V21 Wm1

W2
1
V12 W12
X2 V22 Z2 W Y2
Vm2 Wm2 22
V1n W1p
Fase II : Propagasi Maju
V2m W2p
Xn Vpn Zp Wmp Ym
Langkah 6

Hitung factor  unit keluaran berdasarkan kesalahan setiap unit keluaran yk

(k=1,2,3….)
 k=(tk-yk) f’(y_netk)= (tk-yk) yk (1-yk)

 k meruapakan unit kesalahan yang akan dipakai dalam perubahan bobot layer
dibawahnya (lankah 7)

 Hitung suku perubahan bobot Wkj dengan laju perubahan α

 Δwkj= α  k zj ; k=1,2,3,…,m ; j=0,1,2,…,p

 ALGORITMA PELATIHAN
BACKPROPAGATION 1 1
V10 W20 W1
V20
Vp0 Wm0 0

X1 V11 Z1 W11 Y1

Vp1 V21 Wm1

W2
1
V12 W12
X2 V22 Z2 W Y2
Vm2 Wm2 22
V1n W1p
V2m W2p
Xn Vpn Zp Wmp Ym

Langkah 7

Hitung factor  unit tersembunyi berdasarkan kesalahan di setiap unit

tersembunyi zj (j=1,2,3,…,p)

 Faktor unit tersembunyi

   j = _netj f’(z_netj)= _netj zj (1-zz)

 Hitung suku perubahan bobot vji
 ALGORITMA PELATIHAN
BACKPROPAGATION 1 1
V10 W20 W1
V20
Vp0 Wm0 0

X1 V11 Z1 W11 Y1

Vp1 V21 Wm1

W2
1
V12 W12
X2 V22 Z2 W Y2
Vm2 Wm2 22
V1n W1p
V2m W2p
Fase III : Perubahan Bobot Xn Vpn Zp Wmp Ym

Langkah 8

Perubahan bobot garis yang menuju unit keluaran

 wkj (baru)= wkj (lama) + Δwkj

 Perubahan bobot garis yang menuju ke unit tersembunyi

Vji (baru)= vji (lama) + Δvji

OPTIMALITAS
BACKPROPAGATION
Optimalitas bakcpropagation itu
ditentukan dari :
1. Pemilihan bobot dan bias awal (hindari
nilai turunan aktivasi yang kecil akibat
bobot awal yang terlalu besar).
2. Jumlah unit tersembunyi.
3. Jumlah pola pelatihan.
4. Lama iterasi.
LAJU PEMAHAMAN
o Laju pemahaman di simbolkan dengan α
o Laju pemahaman menentukan lama iterasi
o Nilai dari α diantara 0 sd 1
o Semakin besar nilai α semakin cepat lama iterasi
o Akan tetapi jika terlalu besar akan merusak pola, sehingga justru
akan lebih lama iterasinya
EPOCH
o Epoch yaitu satu siklus pelatihan yang melibatkan
semua pola.
o Misal jika suatu arsitektur JST terdapat 4 pola
masukkan dan 1 target, maka pelatihan 4 pola
masukkan tersebut adalah 1 epoch