Metode Pengolahan Data METODE PENELITIAN
26
Januari 2009 sedangkan targetnya adalah data tanggal 30 Januari 2009. Demikian seterusnya [5].
2. Inisialisasi bobot awal dengan bilangan acak Pemilihan bobot awal sangat mempengaruhi jaringan syaraf dalam mencapai
minimum global atau mungkin hanya lokal saja terhadap nilai error, serta cepat tidaknya proses pelatihan menuju kekonvergenan. Apabila nilai bobot
awal terlalu besar, maka masukan ke setiap lapisan tersembunyi atau lapisan keluaran akan jatuh pada daerah dimana turunan fungsi sigmoidnya akan
sangat kecil. Biasanya bobot awal di inisialisasi secara random dengan nilai antara -0.5 sampai 0.5 atau -1 sampai 1, atau interval yang lainnya [6].
3. Tentukan iterasi dan error yang diinginkan 4. Untuk tiap-tiap pasangan elemen yang akan dilakukan pembelajaran,
kerjakan: a. Fase pertama : propagasi maju
Selama propagasi maju, sinyal masukan =x
i
dipropagasikan ke layar tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari
setiap unit lapisan tersembunyi =z
j
tersebut selanjutnya dipropagasikan maju lagi ke layar tersembunyi diatasnya menggunakan fungsi aktivasi
yang ditentukan. Demikian seterusnya hingga menghasilkan keluaran jaringan =y
k
. Berikutnya, keluaran jaringan =y
k
dibandingkan dengan target yang harus dicapai =t
k
. Selisih t
k
- y
k
adalah kesalahan yang terjadi. Jika kesalahan ini lebih kecil dari batas toleransi yang ditentukan, maka
iterasi dihentikan. Akan tetapi apabila kesalahan masih lebih besar dari
27
batas toleransinya, maka bobot setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan yang terjadi.
b. Fase Kedua : Propagasi Mundur Berdasarkan kesalahan t
k
- y
k
, dihitung faktor
k
k =1,2,…,m yang dipakai
untuk mendistribusikan kesalahan di unit y
k
ke semua unit tersembunyi yang terhubung langsung dengan y
k
.
k
juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran. Dengan
cara yang sama, dihitung faktor
k
di setiap unit di lapisan tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit
tersembunyi pada lapisan dibawahnya. Demikian seterusnya hingga semua faktor
di unit tersembunyi yang berhubungan langsung dengan unit masukan dihitung.
c. Fase Ketiga : Perubahan Bobot Setelah semua faktor
dihitung, bobot semua garis dimodifikasi bersamanaan. Perubahan bobot suatu garis didasarkan atas faktor
neuron di lapisan atasnya. Sebagai contoh, perubahan garis yang menuju ke layar
keluaran didasarkan atas
k
yang ada di unit keluaran. Ketiga fase tersebut diulang-ulang terus hingga kondisi penghentian
dipenuhi. Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan
sudah melebihi jumlah maksimum iterasi yang ditetapkan atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diizinkan.
28