Pelatihan Standar Backpropagation Metode Jaringan Syaraf Tiruan JST Backpropagation

3.5.1 Pelatihan Standar Backpropagation

Pelatihan Jaringan Syaraf Tiruan Propagasi Balik meliputi 3 fase. Ketiga fase tersebut dapat dijelaskan sebagai berikut Oksendi, 2013:36-42: 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 di atasnya 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 batas toleransinya, maka bobot setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan yang terjadi. Fase Kedua : Propagasi Mundur Berdasarkan kesalahan t k -y k , dihitung faktor k = 1,2,...,m yang dipakai untuk mendistribusi kesalahan di unit y k ke semua unit tersembunyi yang terhubung langsung dengan y k . juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran. Dengan cara yang sama, dihitung faktor di setiap unit di lapisan tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi pada lapisan di bawahnya. Demiki an seterusnya hingga semua faktor δ di unit tersembunyi yang berhubungan langsung dengan unit masukan dihitung. Fase Ketiga : Perubahan Bobot Setelah semua faktor δ dihitung, bobot semua garis dimodifikasi bersamaan. Perubahan bobot suatu garis didasarkan atas faktor δ neuron di lapisan atasnya. Sebagai contoh, perubahan garis yang menuju ke layar keluaran didasarkan atas yang ada di unit keluaran. Ketiga fase tersebut diulang 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 diterapkan atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diizinkan. Algoritma pelatihan untuk jaringan dengan satu layar tersembunyi dengan fungsi aktivasi sigmoid biner adalah sebagai berikut : Langkah 0 : Inisialisasi bobot ambil bobot awal dengan nilai random yang cukup kecil. Langkah 1 : Jika kondisi penghentian belum terpenuhi, lakukan langkah 2 sampai langkah 8. Langkah 2 : Untuk setiap pasang data pelatihan, lakukan langkah 3 sampai langkah 8. Fase I : Propagasi maju feedforward propagation Langkah 3 : Tiap unit masukan x i , i= 1,2,...,n menerima sinyal xi dan meneruskan sinyal tersebut ke semua unit pada lapisan yang ada di atasnya lapisan tersembunyi. Langkah 4 : Tiap-tiap unit tersembunyi z j , j = 1,2,...,p menjumlahkan sinyal-sinyal input terbobot : Gunakan fungsi aktivasi untuk menghitung sinyal outputnya: dan kirimkan sinyal tersebut ke semua unit di lapisan atasnya unit-unit output. Langkah 5 : Tiap-tiap unit output y k k = 1,2,...,m menjumlahkan sinyal- sinyal input terbobot : Gunakan fungsi aktivasi untuk menghitung sinyal outputnya : Dan kirimkan sinyal tersebut ke semua unit di lapisan atasnya unit-unit output. Fase II : Propagasi mundur backpropagation Langkah 6 : Tiap-tiap unit output y k k = 1,2,...,m menerima target pola yang berhubungan dengan pola input pembelajaran, hitung informasi errornya. merupakan unit kesalahan yang akan dipakai dalam perubahan bobot layar di bawahnya langkah7. Kemudian hitung suku perubahan bobot atau koreksi bobot yang akan dipakai nanti untuk merubah bobot dengan laju percepatan α. ; k = 1,2,...,m ; j = 0,1,...,p Hitung juga koreksi bias yang akan dipakai nanti untuk merubah bobot Kirimkan ini ke unit-unit yang ada di lapisan bawahnya. Langkah 7 : Tiap-tiap unit tersembunyi z j j = 1,2,...,p menjumlahkan delta inputnya dari unit-unit yang berada pada lapisan di atasnya Kalikan nilai ini dengan turunan dari fungsi aktivasinya untuk menghitung informasi error. Kemudian hitung suku perubahan bobot atau koreksi bobot yang akan dipakai nanti untuk merubah bobot . ; j= 1,2,...,p ; i = 0,1,...,n Hitung juga koreksi bias yang akan dipakai nanti untuk merubah bobot Fase III : Perubahan bobot Langkah 8 : Hitung semua perubahan bobot Perubahan bobot garis yang menuju ke unit output y k k = 1,2,...,m : ; j = 0,1,...,p Perubahan bobot garis yang menuju ke unit tersembunyi z j j = 1,2,...,p : ; i = 0,1,...,n Setelah pelatihan selesai dilakukan, jaringan dapat dipakai untuk pengenalan pola. Dalam hal ini, hanya propagasi maju langkah 4 dan 5 saja yang dipakai untuk menentukan keluaran jaringan.

3.5.2 Diagram Alir Model Jaringan Syaraf Tiruan