BAB II LANDASAN TEORI
A. Jaringan Syaraf Biologi
Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Otak manusia berisi jutaan sel syaraf yang bertugas
untuk memproses informasi. Tiap-tiap sel bekerja seperti suatu processor sederhana. Masing-masing sel tersebut saling berinteraksi sehingga mendukung
kemampuan kerja otak manusia. Otak terdiri dari neuron-neuron dan penghubung yang disebut sinapsis. Neuron bekerja berdasarkan inpulssinyal yang diberikan
kepada neuron. Neuron meneruskannya pada neuron lain. Diperkirakan manusia memiliki 10
12
neuron dan 6.10
18
sinapsis.
Gambar 2.1. Susunan syaraf manusia
Nucleus Synapses
Axon Dendrite
B. Backpropagation
Backpropagation merupakan salah satu metode pembelajaran yang terawasi supervised training. Backpropagation melatih jaringan untuk
mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola
6 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
yang digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa dengan pola yang dipakai
pada saat pelatihan. Algoritma Backpropagation menggunakan error output untuk mengubah nilai bobot-bobotnya dalam arah mundur backward. Untuk
mendapatkan error ini, tahap perambatan maju forward propagation harus dikerjakan terlebih dahulu. Pada saat perambatan maju, neuron – neuron
diaktifkan dengan menggunakan fungsi aktivasi sigmoid yaitu :
x
e x
f
−
+ =
1 1
1. Arsitektur Backpropagation
Gambar 2.2. Arsitektur jaringan Backpropagation
Gambar diatas merupakan gambar arsitektur jaringan Backpropagation dengan sebuah layar input dengan n unit masukan ditambah dengan sebuah bias.
Dalam gambar tersebut juga terdapat sebuah layar tersembunyi dengan p unit ditambah dengan sebuah bias, serta sebuah layar output dengan m unit keluaran.
Bias merupakan parameter neuron yang dijumlahkan dengan bobot input neuron dan diteruskan ke fungsi transfer neuron untuk meng-generate output
neuron. Biasanya bias bernilai 1. Layar tersembunyi merupakan layar dari jaringan dimana layar ini tidak
menerima input dari luar jaringan dan tidak mengirimkan output ke luar jaringan. Disebut hidden layer karena layar ini hanya menerima input internal input dari
processing lain dan menghasilkan output internal output ke unit processing lain.
2. Pelatihan standar Backpropagation
Pelatihan Backpropagation meliputi 3 fase. Fase pertama ialah fase maju Forward Chaining dimana pola masukan dihitung maju mulai dari layar
masukan hingga layar keluaran dengan menggunakan fungsi aktivasi yang ditentukan. Fase kedua adalah fase mundur backward Chaining. Dalam fase ini
selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari
garis yang berhubungan langsung dengan unit-unit dilayar keluaran. Fase ketiga adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi.
3. Algoritma Pelatihan Backpropagation
1. Inisialisasi semua bobot-bobot dengan bilangan acak kecil.
2. Jika kondisi penghentian belum terpenuhi, lakukan langkah berikut :
a. Untuk setiap pasang data pelatihan, lakukan langkah berikut :
Fase I : Propagasi maju PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI