Fungsi Aktivasi Neural Network NN
34
selanjutnya. Tahap selanjutnya adalah pengujian, proses ini dilakukan dengan memasukkan nilai data input untuk mendapatkan nilai output, yaitu pendugaan
tahap kematangan. Pada proses pengujian FNN dilakukan proses pengambilan matriks bobot yang tersimpan sebelumnya, kemudian setelah dihitung dengan
matrik input pola dapat diketahui apakah pola tersebut dapat dikenali atau tidak, yaitu berdasarkan nilai terbesar dari setiap baris matriks yang didapatkan. Struktur
FNN disajikan dalam Tabel 3. Tabel 3 Struktur FNN
Karakteristik Spesifikasi
Arsitektur Multilayer Perceptron
Hidden Neuron 2, 5, 10, 15, 20, 25
Output Neuron 3
Fungsi aktivasi Sigmoid biner
Training Function Trainlm
default Matlab
Maksimum Epoch 3000
Learning rate 1
5 Pengambilan Keputusan
Pengambilan keputusan dilakukan dengan mengambil nilai yang terbesar dari vektor baris yang didapatkan. Jika nilai terbesar dari keluaran berada di
kolom pertama maka berarti pola tersebut merupakan anggota dari kelas target 1. Jika nilai terbesar dari keluaran berada di kolom kedua maka berarti pola tersebut
merupakan anggota dari kelas target 2. Jika nilai terbesar dari keluaran berada di kolom ketiga maka berarti pola tersebut merupakan anggota dari kelas target 3.