48
3.7. Perhitungan
Error
Perhitungan error digunakan untuk menguji keakurasian jaringan. Tujuannya yaitu memperoleh nilai error seminimal mungkin dengan cara mengganti nilai bobot yang
terhubung pada semua neuron secara iteratif. Pada penelitian ini, perhitungan error yang digunakan adalah Mean Square Error MSE yang merupakan rata-rata kuadrat
dari selisih antara output jaringan dengan output target. Rumus dari MSE sebagai berikut:
�� = 1
−
2 =1
Keterangan: = nilai output target
= nilai output jaringan N
= jumlah output dari neuron
3.8. Testing
Proses testing JST menggunakan sebanyak 20 dari jumlah kasus kecelakaan lalu lintas yang telah dipilih untuk masing-masing kategori. Pada tahap ini jaringan
akan di testing dengan data baru yang belum pernah dilatih kedalam jaringan untuk mengetahui kemampuan jaringan melakukan generalisasi kasus yang dihadapi dan
kemudian menarik kecenderungan terhadap output tertentu.
Proses testing hanya akan menerapkan tahap propagasi maju. Secara umum proses testing JST dapat dilihat pada gambar 3.4:
Universitas Sumatera Utara
49
Mulai
Selesai JlhNeuron; lr; jlhLayer
=4; maxEpoch=10000; minError=0.01
Bobot terbaik, Data
pengujian Load data testing
Normalisasi
Data = n
Langkah maju feed forward
Data = data pengujian
Hitung MSE
Output jaringan
Ya Tidak
Gambar 3.4 Flowchart Testing
Adapun tahapannya adalah sebagai berikut:
1. Masukkan nilai input dari data testing.
2. Lakukan perhitungan neuron-neuron pada hidden layer dengan rumus:
Universitas Sumatera Utara
50
= +
.
11 =1
3. Hitung hasil output dari masing-masing hidden layer dengan menerapkan kembali fungsi aktivasi.
=
= 1
1 +
− _
Sinyal tersebut kemudian akan diteruskan kesemua neuron pada lapisan berikutnya yaitu output layer.
4. Setiap neuron pada output layer Yk, k=1,..,5 menjumlahkan sinyal-sinyal output beserta bobotnya:
= +
.
5 =1
5. Menerapkan kembali fungsi aktivasi untuk menghitung sinyal output = _
= 1
1 +
− _
Setelah proses testing selesai, maka kemampuan generalisasi jaringan dapat diukur dari berapa banyak pola yang dikenali. Hal tersebut dihitung menggunakan
rumus berikut: =
100
3.1
Hasil proses testing berupa matriks yang bentuknya sesuai dengan output targetnya. Output jaringan kemudian akan ditentukan pada suatu pola tertentu. Jika
hasil keluaran jaringan lebih besar atau sama dengan 0,5 maka jaringan dianggap meniliki hasil keluaran 1 dan jika jaringan memiliki keluaran kurang dari 0,5 maka
akan dianggap memiliki hasil keluaran 0. Data yang dikatakan dikenali adalah apabila data hasil normalisasi yang digunakan sebagai nilai input dapat menghasilkan nilai
output jaringan yang sama dengan nilai target yang diinginkan.
Universitas Sumatera Utara
Universitas Sumatera Utara
BAB IV
IMPLEMENTASI DAN PENGUJIAN SISTEM
Pada bab ini akan dilakukan implementasi dan pengujian sistem. Sistem dibuat dengan menggunakan Matlab R2009b. Pengujian sistem untuk memrepresentasikan review
akhir dari analisis dan implementasi.
4.1. Lingkungan Implementasi