54 0.5
0.242 10000
50 35
0.2 0.137
10000 0.5
0.129 10000
50 50
0.2 0.094
10000 0.5
0.104 10000
75 75
0.2 0.025
10000 0.5
0.026 10000
100 75
0.2 0.016
10000 0.5
0.015 10000
100 100
0.2 0.012
10000 0.5
0.012 10000
100 125
0.2 0.013
10000 0.5
0.013 10000
100 150
0.2 0.010
9775 0.5
0.010 9626
Berdasarkan hasil percobaan yang telah dilakukan, maka didapatkan arsitektur terbaik dengan menggunakan jumlah neuron pada hidden layer pertama sebanyak 100
neuron dan pada hidden layer kedua sebanyak 150 neuron.
4.2.3. Pengujian Jaringan
Pengujian jaringan dilakukan dalam dua tahap, yaitu pengujian testing dengan menggunakan data yang pernah dilatih kedalam jaringan dan pengujian testing
dengan menggunakan data yang belum pernah dilatih kedalam jaringan.
4.2.4. Pengujian Menggunakan Data yang Pernah Dilatih
Sebanyak 400 kasus kecelakaan lalu lintas yang telah digunakan dalam proses pelatihan training dipilih untuk digunakan kembali dalam proses pengujian. Tujuan
dilakukan hal tersebut adalah untuk mengetahui apakah system masih dapat mengenali
Universitas Sumatera Utara
55 pola data yang pernah dilatih kedalam jaringan. Hasil pengujian dapat dilihat pada
tabel 4.2. Tabel 4.3
Hasil Pengujian Data yang Pernah Dilatih Jumlah neuron
Learning rate
MSE Epoch
Waktu yang dibutuhkan
Layer pertama Layer kedua 100
150 0.1
0.010 9626
13:21 100
150 0.2
0.010 9626
13:35 100
150 0.3
0.010 9626
13:26 100
150 0.4
0.010 9626
13:52 100
150 0.5
0.010 9626
14:26 100
150 0.6
0.010 9626
13:36 100
150 0.7
0.010 9626
13:44 100
150 0.8
0.010 9626
13:45 100
150 0.9
0.010 9626
13:45
Hasil pengujian pada tabel 4.2 menunjukkan bahwa performansi terbaik dari jaringan adalah dengan menggunakan nilai parameter learning rate 0.1 dengan waktu pelatihan
yang dibutuhkan yaitu 13 menit 21 detik.
Gambar 4.3 Proses Pelatihan dengan learning rate 0.1
Universitas Sumatera Utara
56
Gambar 4.4 Performansi Pelatihan dengan learning rate 0.1
Gambar 4.5 Hasil Pelatihan Data yang Pernah Dilatih
Universitas Sumatera Utara
57
Gambar 4.6 Hasil Pengujian Data yang Pernah Dilatih
4.2.5. Hasil Prediksi Mengunakan Data yang Pernah Dilatih
Tabel 4.3 merupakan beberapa hasil dari prediksi yang dihasilkan oleh jaringan dengan menggunakan data yang pernah dilatih kedalam jaringan. Hasil prediksi
selengkapnya dapat dilihat pada bagian lampiran.
Tabel 4.4 Hasil Prediksi Menggunakan Data yang Pernah Dilatih
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 Output
Target Jaringan
2 4
1 5
23 1
2 12 24
2 8
1 4
1 3
7 7
1 13
1 4
9 1
4 1
3 7
7 2
11 1
5 9
1 3
1 3
7 2
2 7
1 3
9 3
4 1
5 7
2 1
11 1
2 9
1 3
1 6
8 6
1 12
1 2
8
Universitas Sumatera Utara
58 1
4 1
5 7
1 1
12 1
1 8
1 1
1 4
1 5
8 1
1 12
1 3
8 1
1 1
4 1
5 8
1 1
11 1
1 9
1 1
1 4
1 5
7 1
1 11
1 1
8 1
1 1
3 1
5 23
1 1
11 1
2 9
1 1
1 4
1 5
7 1
2 12
1 2
9 1
1 1
1 1
3 1
5 23
1 1
12 1
3 9
1 1
1 1
1 4
1 5
23 1
1 11
1 2
9 1
1 2
3 1
5 10
1 1
12 1
2 8
1 1
1 3
1 5
23 1
1 12
1 2
8 1
1 1
3 1
3 18
1 1
12 1
4 8
1 1
1 3
1 5
7 1
1 12
1 1
8 1
1 1
3 1
4 6
1 1
12 1
2 9
1 1
1 4
4 3
18 6
1 11
1 7
9 1
1
Berdasarkan hasil prediksi yang dihasilkan secara keseluruhan, maka dapat diketahui bahwa jaringan mampu mengenali data yang pernah dilatih kedalam
jaringan dengan prosentasi kebenaran mencapai 100.
4.2.6. Pengujian Menggunakan Data yang Belum Pernah Dilatih
