x_in
i
: masukan hasil olahan ke-i y_in
j
: keluaran hasil olahan ke-j
: nilai ambang
2.7. Learning Vector Quantization LVQ
Learning Vector Quantization LVQ adalah salah satu metode pembelajaran pada
lapisan kompetitif dengan pengawasan terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan input. Kelas-kelas yang didapatkan
sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara input. Jika beberapa input mendekati sama, maka lapisan kompetitif akan meletakkan input
tersebut ke dalam kelas yang sama. Arsitektur Algoritma Learning Vector Quantization LVQ :
Dimana X
1
, X
i,
...¸ X
n
adalah input, W
11
, W
ij
,..., W
rm
adalah bobot dan Y
1
, Y
j
,..., Y
m
adalah output.
Gambar 2.5 Arsitektur jaringan LVQ Algoritma Pelatihan LVQ:
1. Tetapkan : a. Bobot awal variabel input ke
–j menuju ke kelas cluster ke-i : W
ij
, dengan i = 1, 2, .., n; dan j = 1, 2, .., m
b. Maksimum epoch : MaxEpoh c. Parameter learning rate,
d. Pengukuran learning rate
e. Minimal learning rate yang diperbolehkan : Min
2. Masukkan : a. Data input : X
ij
, dengan i = 1, 2, .., n; dan j = 1, 2, .., m
Universitas Sumatera Utara
b. Target berupa kelas T
k
, dengan k = 1, 2, .., n 3. Tetapkan kondisi awal : epoch = 0;err = 1.
4. Kerjakan jika : epoch MaxEpoch dan Min
a. Epoch = epoch + 1; b. Kerjakan untuk i = 1 sampai n
i. Tentukan J sedemikian hingga |X
i
– W
j
| minimum; dengan j = 1, 2, .. , n ii. Perbaiki W
j
dengan ketentuan : Jika T = C
j
maka : W
jbaru
= W
jlama +
X
i
– W
jlama
Jika T C
j
maka : W
jbaru
= W
jlama
- X
i
– W
jlama
c. Kurangi nilai .
Pengurangan bisa dilakukan dengan = -
lama
; atau dengan cara :
=
lama
Setelah dilakukan pelatihan, akan diperoleh bobot-bobot akhir W. Bobot-bobot ini nantinya akan digunakan untuk untuk pengujian terhadap data-data.
Algoritma Pengujian LVQ : 1. Masukkan data yang akan diuji, misal X
ij
; dengan i = 1, 2,.., np ; dan j = 1, 2, .., m.
2. Kerjakan untuk i = 1 sampai dengan np Tentukan J sedemikian hingga |X
i
– W
j
| minimum Cj, dengan J = 1,2,.., n. Astuti, 2009
2.8. Saluran Pencernaan
Kategori