Algoritma pembelajaran (Model Propagasi Error)

5.2.2 Algoritma pembelajaran (Model Propagasi Error)

Pada proses ini dilakukan algoritma EBP (Error Backpropagation) dimana pada setiap layer dilakukan perhitungan error untuk melakukan update parameter-parameter ANFIS.

Lapisan 1 Lapisan 2 Lapisan 3 Lapisan 4 Lapisan 5

Gambar 4.2 Blok Diagram Alur Mundur Anfis

(1) Error Pada Lapisan Ke-5

Jaringan adaptif di sini seperti Gambar 4.2, yang hanya memiliki 1 neuron pada lapisan output (neuron 13), maka propagasi error yang menuju pada lapisan ke-5 dapat dirumuskan

Dengan y p atau Y adalah target output data pelatihan ke-p, yang merupakan nilai output

dari tinggi tanaman yang telah dikalikan dengan

p * adalah output jaringan ANFIS pada data pelatihan ke-p.

*xx . Sedangkan y

Tabel 4.9 Hasil Error Pada Lapisan Ke-5

(2) Error Pada Lapisan ke-4

Lihat kembali gambar Gambar 4.2. Propagasi error yang menuju pada lapisan ke-4, yaitu neuron 11 dan neuron 12 dapat dirumuskan sebagai berikut : j *c = j *‚ ..... j *^ = j *‚ ..... j *\ = j *‚ .....

Disini j *c dan j *^ dan j *\ bernilai sama dengan j *‚ karena pada Alur Mundur, jaringan adaptif pada layer 4 bersifat tetap.

(3) Error Pada Lapisan ke-3

Lihat kembali gambar Gambar 4.2. Propagasi error yang menuju pada lapisan ke-3, yaitu neuron 12, neuron 11 dan neuron 10 dapat dirumuskan sebagai berikut :

j *I = j ** [ * ..... j ** = j *I [ I ..... j *x = j *I [ I .....

Nilai [ E seperti pada persamaan 4.9 sehingga nilai [ E disini adalah

[ E =_ * +a * e+b * ..... Jadi, persamaan baru j v dan j *x adalah : j *I =j *c _ * +a * e+b * .....

j ** =j *^ _ I +a I e+b I .....

Tabel 4.10 Hasil Error Pada Lapisan Ke-3

ke j *c j *^ j *\ V * V I V \ j *I j ** j *x 1 21.814

(4) Error Pada Lapisan Ke-2

Lihat kembali gambar Gambar 4.2. Propagasi error yang menuju pada lapisan ke-2, yaitu neuron 9, neuron 8 dan neuron 7 dapat dirumuskan sebagai berikut:

~ =q ] +] +] rj ** j T 2 n2 *I .....

] j T v =q ]

rj

j *x ..... Tabel 4.11 Hasil Error Pada Lapisan Ke-2

ke j *I j ** j *x X * X I X \ j v j ~ j z 1 15.157 17.269

(5) Error Pada Lapisan ke-1

j * =j z L* I .....

j ^ =j ~ MI I ..... j c =j z *I ..... j ‚ =j v II .....

Tabel 4.12 Hasil Error Pada Lapisan Ke-1

Data

Hasil

ke j * j I j \ j ^ j c j ‚ 1 18.722

Selanjutnya, error tersebut kita gunakan untuk mencari informasi error terhadap parameter a (a 11 dan a 12 untuk A 1 dan A 2 ; a 21 dan a 22 untuk B 1 dan B 2 ), dan c (c 11 dan c 12

untuk A 1 dan A 2 ;c 21 dan c 22 untuk B 1 dan B 2 ) sebagai berikut :

I8 T 79 j TT 2 B** =j \

TT |*+q -T./TT r } 1TT

I8 T 79 j T2 2 B*I =j ^

B n |*+q -T./TT TT 2 r }

1T2

I8 2 79 j 2T 2

BI* =j c 2 .....

B 2T n |*+q -2./2T 2 r } 12T

I8 2 79 j 22 2 BII =j ‚

B TT n |*+q -T./2T r } 1TT

I8 2 79 j 2T 2

B** =j c 2 .....

B 2 2T 2 |*+q -2./2T r } 12T

I8 T 79 j T2 2 B*I =j ^

B 2 |*+q T2 -2./2T r } 1T2

I8 2 79 j 2T 2

BI* =j c .....

2 2 B 2 2T |*+q -2./2T r } 12T

I8 2 79 j 2T 2 BII =j ‚

B 22 2 |*+q -2./22 2 r }

Dari sini, kita dapat menentukan perubahan nilai parameter a ij dan c ij ( ∆a ij dan ∆c ij ) sebagai berikut :

∆a ij = ja ij x i dan..... ∆c ij = jc ij x i..................

Sehingga nilai a ij dan c ij yang baru pada data ke-p adalah :

A ij =a ij (lama) + ∆a ij dan

c ij =c ij (lama) + ∆c ij dan Setelah didapatkan a ij dan c ij yang baru, kemudian a ij dan c ij yang baru ini dihitung ulang untuk lapisan 1 lagi sampai lapisan 5 sehingga didapatkan nilai ANFIS baru setelah update parameter premis.

Selisih antara ANFIS sebelum di update dan ANFIS setelah di update dengan nilai a ij dan c ij yang baru ini menjadi error. Dan nilai error ini diambil dari nilai terkecil untuk mengetahui data keberapa yang akan disimulasikan. Simulasi ini akan mensimulasikan data dari penelitian dengan menampilkan pertumbuhan tanaman ketika jam kesekian, hari kesekian, serta jumlah daun yang ditampilkan.

Tabel 4.13 Selisih Error Jaringan

Data Output Awal

Output Update