32
2.3.4 Algoritma Backpropagation
Algoritma backpropagation dapat dibagi ke dalam dua bagian, yaitu: algoritma pelatihan dan algoritma aplikasi. Pada algoritma pelatihan terdapat 3 tiga tahap,
yaitu: tahap umpan maju, tahap backpropagation error dan pembaharuan bobot. Sedangkan pada algoritma aplikasi hanya menggunakan tahap umpan maju. Berikut
adalah algoritma backpropagation: 0.
Inisialisasi bobot. Tentukan angka pembelajaran
α. Tentukan nilai ambang atau set siklus pelatihan epoch sebagai kondisi berhenti.
1. While kondisi berhenti tidak terpenuhi.
Do langkah ke-2 dua sampai ke-9 sembilan. 2.
Untuk setiap pasangan pelatihan, kerjakan langkah ke-3 tiga sampai langkah ke- 8 delapan.
Tahap umpan maju feedforward 3.
Tiap unit masukan x
i
, i = 1, …, n menerima masukan x
i
dan diteruskan ke lapisan tersembunyi.
4. Tiap unit tersembunyi z
j
, j = 1, …, p menjumlahkan nilai masukan terbobot
_ =
+
2.31
dengan menerapkan fungsi aktivasi hitung:
= _
2.32
dan dikirim ke unit-unit keluaran. 5.
Tiap unit keluaran y
k
, k = 1, …, m menjumlahkan nilai masukan terbobot
_ =
+
2.33
Universitas Sumatera Utara
33 dengan menerapkan fungsi aktivasi hitung:
= _
2.34 Tahap backpropagation error
6. Tiap unit keluaran y
k
, k = 1, …, m menerima target pola yang berkaitan dengan pola input pembelajaran, yang kemudian dihitung nilai erornya menggunakan
persamaan 2.19 dan dimodifikasi menjadi:
=
− ′
_
2.35 gunakan koreksi bobot untuk memperbaiki nilai w
jk
pada persamaan 2.25 dan koreksi bias untuk memperbaiki nilai w
0k
menggunakan:
∆
= 2.36
lalu kirim ke lapisan tersembunyi di bawahnya. 7.
Tiap unit tersembunyi z
j
, j = 1, …, p menjumlahkan delta inputnya dari unit-unit yang berada di atasnya.
_ =
2.37
Nilai ini dikalikan dengan turunan dari fungsi aktivasinya untuk mendapatkan nilai eror, seperti pada persamaan 2.24, sehingga menghasilkan:
= _
′
_
2.38
gunakan koreksi eror pada persamaan 2.26 untuk memperbaiki nilai v
ij
dan koreksi bias untuk memperbaiki nilai v
0j
menggunakan:
∆
= 2.39
Universitas Sumatera Utara
34 Tahap update bobot, bias dan indeks.
8. Tiap unit keluaran y
k
, k = 1, …, m memperbaharui bobot-bobot dan indeksnya j = 0, 1, …, p menggunakan persamaan 2.28, yang dapat disederhanakan sebagai:
= +
∆ 2.40
Tiap nilai unit tersembunyi z
j
, j = 1, …, p memperbaharui bobot dan indeksnya i = 0, 1, …, n menggunakan persamaan 2.30, yang dapat disederhanakan sebagai:
= +
∆ 2.41
9. Tes kondisi berhenti.
2.4 Format File JPEG
Kategori