1. Home
  2. Teknologi

112, 116, 123, 68, 93, 94, 105, 82, 101, 110, 114, 79, 93, 112, 117 Proses Pelatihan dan Pengujian Jaringan

82 88.96405 48.49801 101 104.482 12.1245 110 113.482 12.1245 114 107.036 48.49801 79 66.81291 148.5251 93 82.55392 109.1205 112 102.4244 91.69154 117 98.71937 334.1816 Hitung bobot baru berdasarkan jarak terkecil Hitung bobot w baru berdasarkan jarak terkecil dengan � � = 0.03645 , seperti telihat pada Tabel 3.10 Tabel 3.10 Perhitungan Bobot W j baru Wjbaru = Wjlama + α [x - Wjlama] w1 62.07190+0.03645[76-62.07190] 62.63599 w2 99.81291+0.03645[112-99.81291] 100.30649 w3 107.29494+0.03645[116-107.29494] 107.64749 w4 96.01430+0.03645[123-96.01430] 97.10722 w5 73.22304+0.03645[68-73.22304] 73.01151 w6 95.61152+0.03645[93-95.61152] 95.50575 w7 99.22304+0.03645[94-99.22304] 99.01151 w8 95.42443+0.03645[105-95.42443] 95.81224 w9 88.96405+0.03645[82-88.96405] 88.68201 w10 104.48203+0.03645[101-104.48203] 104.34100 w11 113.48203+0.03645[110-113.48203] 113.34100 w12 107.03595+0.03645[114-107.03595] 107.31799 w13 66.81291+0.03645[79-66.81291] 67.30649 w14 82.55392+0.03645[93-82.55392] 82.97699 w15 102.42443+0.03645[112-102.42443] 102.81224 w16 98.71937+0.03645[1170-98.71937] 99.45973 Dilakukan perhitungan perubahan nilai rasio, seperti berikut: � = 0.03645−0.10.3645 = 0.03281

2. Pengujian Learning Vector Quantization

Proses Pengujian dengan metode Learning Vector Quantization menggunakan rumus yang sama dengan perhitungan bobot pada proses pelatihan. Berikut ini langkah- langkahnya: a. Data pengujian dihitung terhadap setiap data bobot w yang telah dihasilkan pada tahap Pelatihan. Untuk setiap data masukan x dihitung terhadap setiap data bobot w dengan rumus pada persamaan 3.2, seperti pada Tabel 3.11 berikut: Tabel 3.11 Perhitungan Jarak Cj x baru x-w akhir 2 √ � 61 2.67645 45.94815 87 177.06262 90 311.43395 82 228.22819 71 4.04615 90 30.31331 92 49.16121 91 23.15766 82 44.64922 96 69.57234 100 177.98237 95 151.73295 65 5.31989 78 24.77043 83 392.52487 79 418.60063 b. Dilihat jarak Cj terkecil yang diperoleh pada perhitungan terhadap data test. Kelas bobot yang memiliki jarak terkecil menjadi hasil dari proses Pengujian ini. Jarak Cj pelatihan = 45.87329 Jarak Cj data pengujian = 45.94815 Sehingga di peroleh persentasi keasliannya= 45.94815 45.87329 ∗ 100 = 100

3. Proses Pelatihan Backpropagation

Pelatihan dengan metode Backpropagation menggunakan 2 alur perhitungan, yaitu alur maju dan alur mundur. Berikut ini merupakan tahap-tahap perhitungannya. a. Data masukan proses Pelatihan Backpropagation, seperti terlihat pada Tabel 3.12 berikut ini:

Dokumen yang terkait

Implementasi Algoritma Learning Vector Quantization dan Weighted Product Dalam Memilih Perusahaan Tempat Berinvestasi

3 56 115

Analisis Perbandingan Backpropagation Dengan Learning Vector Quantization (LVQ) Untuk Memprediksi Curah Hujan Di Kota Medan

17 115 153

Pengembangan dan implementasi Learning Vector Quantization (LVQ) pada aplikasi pengenalan jenis ricikan keris Jawa berbasis smartphone

1 32 199

Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah

5 47 255

Implementasi Learning Vector Quantization (LVQ) Dalam Mengenal Pertumbuhan Jamur

3 52 133

PERBANDINGAN ANTARA METODE BACKPROPAGATION DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PENGENALAN CITRA BARCODE

1 26 146

Identifikasi Penyakit Mata Menggunakan Metode Learning Vector Quantization (LVQ)

1 5 8

Implementasi Learning Vector Quantization (LVQ) untuk Klasifikasi Kualitas Air Sungai

0 1 6

Analisis Perbandingan Backpropagation Dengan Learning Vector Quantization (LVQ) Untuk Memprediksi Curah Hujan Di Kota Medan

1 1 63

Analisis Perbandingan Backpropagation Dengan Learning Vector Quantization (LVQ) Untuk Memprediksi Curah Hujan Di Kota Medan

0 1 18