58 1
4 1
5 7
1 1
12 1
1 8
1 1
1 4
1 5
8 1
1 12
1 3
8 1
1 1
4 1
5 8
1 1
11 1
1 9
1 1
1 4
1 5
7 1
1 11
1 1
8 1
1 1
3 1
5 23
1 1
11 1
2 9
1 1
1 4
1 5
7 1
2 12
1 2
9 1
1 1
1 1
3 1
5 23
1 1
12 1
3 9
1 1
1 1
1 4
1 5
23 1
1 11
1 2
9 1
1 2
3 1
5 10
1 1
12 1
2 8
1 1
1 3
1 5
23 1
1 12
1 2
8 1
1 1
3 1
3 18
1 1
12 1
4 8
1 1
1 3
1 5
7 1
1 12
1 1
8 1
1 1
3 1
4 6
1 1
12 1
2 9
1 1
1 4
4 3
18 6
1 11
1 7
9 1
1
Berdasarkan hasil prediksi yang dihasilkan secara keseluruhan, maka dapat diketahui bahwa jaringan mampu mengenali data yang pernah dilatih kedalam
jaringan dengan prosentasi kebenaran mencapai 100.
4.2.6. Pengujian Menggunakan Data yang Belum Pernah Dilatih
Tahap kedua adalah melakukan pengujian menggunakan data yang belum pernah dilatih kedalam jaringan. Tujuannya adalah untuk mengetahui keandalan dari jaringan
memprediksi output target untuk data yang serupa tetapi tidak sama. Hasil Pengujian dapat dilihat dari tabel 4.4 berikut:
Tabel 4.5 Hasil Pengujian Data yang Belum Pernah Dilatih
Jumlah neuron Learning
rate MSE
Epoch Waktu
yang dibutuhkan
Layer pertama Layer kedua
100 150
0.1 0.010
9626 13:34
Universitas Sumatera Utara
59 100
150 0.2
0.010 9626
13:52 100
150 0.3
0.010 9626
13:29 100
150 0.4
0.010 9626
13:36 100
150 0.5
0.010 9626
13:39 100
150 0.6
0.010 9626
13:44 100
150 0.7
0.010 9626
14:04 100
150 0.8
0.010 9626
14:54 100
150 0.9
0.010 9626
14:01
Hasil pengujian pada tabel 4.5 menunjukkan bahwa performansi terbaik dari jaringan adalah dengan menggunakan nilai parameter learning rate 0.3 dengan waktu pelatihan
yang dibutuhkan yaitu 13 menit 29 detik.
Gambar 4.7 Proses Pelatihan dengan learning rate 0.3
Universitas Sumatera Utara
60
Gambar 4.8 Performansi Pelatihan dengan learning rate 0.3
Gambar 4.9 Hasil Pelatihan Data yang Belum Pernah Dilatih
Universitas Sumatera Utara
61
Gambar 4.10 Hasil Pengujian Data yang Belum Pernah Dilatih
4.2.7. Hasil Prediksi Menggunakan Data yang Belum Pernah Dilatih
Tabel 4.5 merupakan beberapa hasil dari prediksi yang dihasilkan oleh jaringan dengan menggunakan data yang pernah dilatih kedalam jaringan. Hasil prediksi
selengkapnya dapat dilihat pada bagian lampiran.
Tabel 4.6 Hasil Prediksi Menggunakan Data yang Belum Pernah Dilatih
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 Output
Keterangan
Target Jaringan
1 1
6 2
6 2
1 12 15
2 9
1 0 0 1
Cocok 1
3 1
3 6
2 1
12 17 5
7 1
0 0 1 Cocok
1 1
1 3
6 3
1 11
7 2
9 1 1 0
1 1
Cocok 1
1 1
3 6
7 1
11 12 4
8 0 1 0
1 Cocok
2 2
1 3
6 4
1 11 15
32 9
1 0 0 1
Cocok 1
1 1
3 6
6 1
7 9
3 8
1 1 0 1
1 Cocok
Universitas Sumatera Utara
62 1
3 1
3 6
2 1
7 17
3 9
1 0 0 1
Cocok 2
2 1
2 6
4 1
7 7
4 8
1 0 0 1
Cocok 1
1 1
3 6
2 1
1 17
4 7
1 0 0 1
Cocok 1
1 4
1 7
7 1
18 12 7
7 0 0 0
1 Tidak Cocok 1
1 7
3 7
2 1
18 9
2 9
0 0 0 Cocok
1 4
7 3
7 5
1 18
2 3
9 0 0 0
1 0 Tidak Cocok
1 1
4 4
7 3
1 18
9 3
8 1 1 0
1 1
Cocok 1
3 1
3 7
3 1
18 17 5
7 1 1 0
1 1
Cocok 1
3 3
2 7
6 1
18 17 2
9 1 0 0
1 Cocok
1 1
13 4
7 2
1 18 12
3 7
1 0 0 1
Cocok 1
1 3
6 7
5 1
18 8
4 9
1 0 0 1
Cocok 1
1 3
3 7
6 1
18 12 5
9 1 0 0
1 Cocok
1 1
3 2
7 2
1 18 14
3 9
1 0 0 1
Cocok 1
1 1
2 7
6 1
18 15 5
7 0 1 0
1 Cocok
1 4
7 3
7 1
1 18
5 4
9 0 1 2
0 Tidak Cocok 1
2 3
2 7
6 1
18 17 4
9 0 1 0
1 Cocok
1 4
7 3
7 1
1 18 22
2 9
0 1 0 1
Cocok 1
3 7
3 7
3 1
18 19 22
8 0 1 1 -1 0 Tidak Cocok
1 4
7 3
7 2
1 18 22
4 8
1 0 0 1
Cocok
Berdasarkan hasil prediksi yang dihasilkan secara keseluruhan, maka dapat diketahui bahwa jaringan mampu mengenali data yang belum pernah dilatih kedalam
jaringan dengan prosentasi kebenaran mencapai 70.25.
4.2.8. Analisis Faktor Dominan Berdasarkan Hasil Prediksi Jaringan
