4. Gradien Conjugate traincgf, traincgp, traincgb
Dalam standar backpropagation, bobot dimodifikasi pada arah penurunan tercepat. Meskipun penurunan fungsi berjalan cepat, tapi tidak menjamin akan
konvergen dengan cepat. Dalam algoritma gradien conjugate, pencarian dilakukan sepanjang arah conjugate. Dalam banyak kasus, pencarian ini lebih cepat. Ada
berbagai metode pencarian yang dilakukan berdasarkan prinsip gradien conjugate, antara lain Fletcher-Reeves
‘traincgf’, Polak-Ribiere ‘traincgp’, Powel Beale ‘traincgb’.
Menurut Hagan Demuth 1996, langkah-langkah dalam gradien conjugate adalah sebagai berikut :
a. Memilih arah pencarian pertama � menjadi gradien negatif
= − , 2.30
b. Kemudian memilih learning rate untuk meminimalisasi fungsi
bersamaan dengan arah pencarian :
+
= +
, 2.31
c. Lalu memilih arah pencarian selanjutnya berdasarkan persamaan
= − +
−
, 2.32
dengan persamaan berikut ini untuk menghitung nilai =
∆
−
∆
− −
atau
=
− −
atau
=
∆
− −
−
2.33
d. Jika algoritma belum konvergen maka lanjut pada langkah ke-2.
2.7. K-Fold Cross Validation
K-Fold Cross Validation merupakan teknik umum untuk menguji kinerja dari classifier. Data dibagi menjadi k bagian fold, kemudian selama
= , … , dilakukan pelatihan terhadap data selain fold ke-i dan dilakukan pengujian terhadap
data fold ke-i tersebut, lalu menghitung jumlah pengujian yang mengalami kesalahan klasifikasi.
2.8. Confusion Matrix
Confusion Matrix menunjukkan jumlah prediksi yang benar dan salah yang dibuat oleh model klasifikasi dibandingkan dengan hasil yang sebenarnya nilai
target dalam data. Matrix adalah n x n, dimana n adalah jumlah nilai target kelas. Kinerja model seperti ini biasanya dievaluasi dengan menggunakan data dalam
matrix. Tabel berikut menampilkan confusion matrix 2 x 2 untuk dua kelas positif dan negatif Diana dan Shidik, 2014.
Tabel 2.1 Confusion Matrix Diana dan Shidik, 2014
Confusion Matrix Target
Positif Negatif
Model
Positif a
b Positive predictive value aa+b
Negatif c
d Negative predictive value dc+d
sensitivity specitivity
Accuracy = a+da+b+c+d aa+c
db+d
25
BAB III METODOLOGI PENELITIAN
Bab ini membahas analisa kebutuhan sistem mencakup metode yang digunakan untuk ekstraksi ciri suara burung, klasifikasi, dan pengujian sistem.
Selain kebutuhan sistem, bab ini juga berisi perancangan sistem mencakup ekstraksi ciri, klasifikasi, pengujian, dan perancangan antarmuka sistem.
3.1. Gambaran Penelitian
Data
Ekstraksi Ciri Jaringan Syaraf Tiruan
Model Jaringan
Hasil Klasifikasi
training feature
testing feature
Preprocessing
Gambar 3.1 Diagram blok sistem 3.1.1.
Data
Suara burung yang dipilih dalam klasifikasi ini adalah Cucak Hijau, Cucak Rawa, dan Kenari. Ketiga suara burung tersebut merupakan jenis burung yang
termasuk populer di kalangan para kicau mania, oleh karena itu pemilihan jenis suara tersebut dilakukan karena banyaknya data suara yang dapat di akses oleh
publik sebab cukup banyak orang-orang yang berbagi rekaman suara burung kicaunya pada situs online seperti pada situs
omkicau .
Data yang digunakan pada sistem berupa 3 buah rekaman suara burung, 1 rekaman untuk masing-masing jenis burung. Ketiga rekaman tersebut akan melalui
tahap preprosesing terlebih dahulu sebelum dilakukan ekstraksi ciri. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
