contoh, perubahan bobot garis yang menuju ke layar keluaran didasarkan atas
yang ada di unit keluaran. Ketiga fase ini diulang terus menerus sampai kondisi penghentian dipenuhi.
Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah
melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
2.4.5 Algoritma dan Pemrograman Backpropagation
Algoritma jaringan syaraf tiruan backpropagation dengan satu layar tersembunyi dan fungsi aktivasi sigmoid biner dapat dijelaskan sebagai berikut:
Langkah 0 : Inisialisasikan semua bobot dengan bilangan acak kecil. Langkah 1 : Jika kondisi penghentian belum terpenuhi lakukan langkah 2
– 8. Langkah 2 : Untuk semua pasang data pelatihan, lakukan langkah 3
– 8.
Fase I : Propagasi maju
Langkah 3 : Tiap unit masukan menerima sinyal dan meneruskannnya ke unit tersembunyi berikutnya.
Langkah 4 : Hitung semua keluaran di unit tersembunyi
... ,
,
j i
Z Z
n i
i i
w X
wb net
Z
1
_
………………………………………..…..2.6
net Z
e net
Z f
Z
_
1 1
_
fungsi aktivasi sigmoid biner
Dengan Z adalah unit pada layar tersembunyi, X adalah unit pada layar input,
i
w adalah bobot yang menghubungkan layar input dengan layar tersembunyi, dan wb
adalah bobot pada bias. Langkah 5 : Hitung semua keluaran jaringan di unit Y
n j
j j
w Z
wb net
Y
1
_ …………………………………………….2.7
net Y
e net
Y f
Y
_
1 1
_
Dengan Y adalah unit layar tersembunyi,
j
w
adalah bobot yang menghubungkan layar tersembunyi dengan layar output, dan w
b
adalah bobot pada bias.
Fase II : Propagasi mundur
Langkah 6 : Hitung faktor unit keluaran berdasarkan kesalahan di setiap unit
keluaran Y.
1 _
Y Y
K T
net Y
f Y
T
…………………………..2.8
dengan: T adalah nilai target untuk masing-masing nilai keluaran.
Hitung suku perubahan bobot
j
w
yang akan dipakai untuk merubah nilai bobot
j
w
dengan laju percepatan α, dengan persamaan
Z w
j
. .
. Langkah 7 : Hitung faktor
unit tersembunyi berdasarkan kesalahan di setiap unit tersembunyi tersebut.
n j
j j
w net
1
. _
………………………………………………….2.9
1 .
. _
_ .
_ Z
Z net
net Z
f net
Hitung suku perubahan bobot
i
w yang akan dipakai untuk merubah nilai bobot
i
w , dengan persamaan X
w
i
. .
Fase III : Perubahan bobot
Langkah 8 : Hitung semua perubahan bobot Perubahan bobot garis yang menuju ke unit keluaran :
j j
j
w lama
w baru
w
…………………………………….2.10 Perubahan bobot garis yang menuju ke unit tersembunyi :
i i
i
w lama
w baru
w
………………………………………2.11 Setelah selesai dilakukan, jaringan dapat dipakai untuk melakukan
pengenalan pola Siang, 2009: 102.
34
BAB III METODE PENELITIAN
3.1 Waktu dan Tempat Pelaksanaan Penelitian
Penelitian ini dilaksanakan pada bulan Juni 2014 sampai bulan Agustus 2014 di laboratorium elektonika dan instrumentasi Universitas Negeri Semarang.
3.2 Alat dan Bahan
3.2.1 Alat
1. fingerprint U. Are. U 4500 digunakan untuk mengambil citra sidik jari. Citra yang diperoleh memiliki resolusi sebesar 512 dpi berukuran 123 x
154 piksel dengan format .bmp. 2. Seperangkat komputer yang terinstal software Matlab. Software Matlab
digunakan untuk melakukan image processing yang meliputi image enhancement dengan menggunakan transformasi fourier, binerisasi,
thinning, feature extraction dan identifikasi
3.2.2 Bahan
Bahan yang digunakan pada penelitian ini adalah citra sidik jari ibu jari tangan kiri hasil pengambilan dengan menggunakan sensor sidik jari. Data
citra sidik jari diperoleh dari 20 orang. Untuk setiap orang pengambil sidik jari diulang sebanyak 6 kali dari jari yang sama, sehingga diperoleh 120 citra
sidik jari.
