beberapa kombinasi hidden layer, k-fold, dan metode training untuk mencari akurasi tertinggi. Berikut adalah hasil pengujiannya:
Gambar 4.2 Grafik Akurasi Metode Training
Dapat dilihat dari gambar 4.2 hasil percobaan akurasi metode training yang telah dilakukan, percobaan dilakukan dengan 1 hidden layer menggunakan
fungsi transfer tansig, fungsi aktivasi purelin, epoch = 1000, dan k-fold = 5. Akurasi tertinggi didapat pada neuron 20, metode training = trainrp, dengan
tingkat akurasi mencapai 68. Untuk percobaan dengan 1 hidden layer masih kurang akurat dalam memprediksi kesehatan koperasi, oleh sebab itu, pengujian
akan dilakukan dengan 2 hidden layer.
Tabel 4.1. Tabel Pengujian Akurasi Metode Training 1 hidden layer
No Metode Training
Akurasi
1 Trainscg
64 2
Traincgf 64
3 Traingda
66 4
Traingdx 66
5 Trainrp
68
4.2. Optimalisasi Arsitektur Jaringan
Gambar 4.3 Grafik akurasi dua hidden layer Trainscg
Gambar 4.3 adalah pengujian terhadap metode training trainscg dengan menggunakan 2 hidden layer, dapat dilihat dari gambar diatas, akurasi terbesar
terdapat pada neuron 15 dan 30 dengan akurasi mencapai 68.
Gambar 4.4 Grafik akurasi dua hidden layer Traingda PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4.4 adalah pengujian terhadap metode training traingda dengan menggunakan 2 hidden layer, dapat dilihat dari gambar diatas, akurasi terbesar
terdapat pada neuron 20 dan 15 dengan akurasi mencapai 71.
Gambar 4.5 Grafik akurasi dua hidden layer Traingdx
Gambar 4.5 adalah pengujian terhadap metode training traingdx dengan menggunakan 2 hidden layer, dapat dilihat dari gambar diatas, akurasi terbesar
terdapat pada neuron hidden layer 2 20, 25, 30 dengan akurasi mencapai 68.
Gambar 4.6 Grafik akurasi dua hidden layer Trainrp PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4.6 adalah pengujian terhadap metode training trainrp dengan menggunakan 2 hidden layer, dapat dilihat dari gambar diatas, akurasi terbesar
terdapat pada neuron 20 dan 20 dengan akurasi mencapai 68.
Gambar 4.7 Grafik akurasi dua hidden layer Traincgf
Gambar 4.7 adalah pengujian terhadap metode training traincgf dengan menggunakan 2 hidden layer, dapat dilihat dari gambar diatas, akurasi terbesar
terdapat pada neuron 35 dan 20 dengan akurasi mencapai 64.
Tabel 4.2. Tabel Pengujian Akurasi Metode Training 2 hidden layer
No Metode
Training Akurasi
1 Trainscg
68
2 Traingda
71
3 Traingdx
68
4 Trainrp
68
5 Traincgf
64
Pada tabel 4.2 terlihat akurasi terbesar didapatkan dengan metode training traindga, dengan akurasi mencapai 71. Percobaan metode training dengan 2
hidden layer ini yang akan digunakan untuk memprediksi data tunggal kesehatan koperasi.
4.3 Pengujian Data Tunggal
Setelah dilakukan proses pelatihan pada arsitektur jaringan syaraf tiruan, selanjutnya akan dilakukan pengujian terhadap data tunggal, data yang diuji
merupakan data yang tidak termasuk dalam proses perlatihan atau pengujian data kelompok. Data yang akan di uji berjumlah 5 data dari data koperasi yang belum
mendapatkan penilaian.
Gambar 4.8 Running program Jaringan Syaraf Tiruan
Gambar 4.8 adalah proses jalannya program jaringan syaraf tiruan dengan 2 hidden layer yaitu : hidden layer 1 = 20, hidden layer 2 = 15, masing-masing
hidden layer menggunakan fungsi transfer = tansig, dan menggunakan metode training = Traingda dengan epoch = 1000 dan k-fold = 5
Gambar 4.9 Percobaan Pengujian data tunggal
Pada gambar 4.9 adalah proses memasukan data keuangan koperasi untuk menampilkan hasil prediksi kesehatan koperasi. Dari lima data yang digunakan
untuk prediksi, didapatkan hasil sebagai berikut :
Tabel 4.3 Hasil Prediksi data tunggal
Data Prediksi
1 Cukup Sehat
2 Sehat
3 Cukup Sehat
4 Tidak Sehat
5 Kurang Sehat
