Hasil Uji Coba Masalah Pengenalan Bilangan

59 bipolar. Untuk algoritma BPS program dicoba dengan menggunakan nilai pesat belajar 0,1 Hasil eksekusi program dapat diringkas dalam tabel 4.6. BPS BPCG No. Jumlah unit tersembu nyi n Jumlah parameter bobot dan prasikap 36xn+ n + 1x4 Iterasi Waktu dt Iterasi Waktudt 1. 6 244 1504 1,486 39 0,380 2. 7 284 1318 1,572 37 0,425 3. 8 324 1078 1,341 33 0,357 4. 9 364 1008 1,468 25 0,262 5. 10 404 890 1,546 19 0,244 6. 11 444 984 1,587 29 0,359 7. 12 484 925 1,451 17 0,240 8. 13 524 771 1,435 20 0,255 9. 14 564 834 1,462 17 0,339 10. 15 604 778 1,630 12 0,241 11. 16 644 758 1,249 13 0,345 12. 17 684 721 1,714 33 0,585 13. 18 724 756 1,706 23 0,425 14. 19 764 755 1,896 17 0,435 15. 20 804 704 1,822 19 0,510 16. 21 844 727 1,977 17 0,458 17. 22 884 709 1,971 17 0,415 18. 23 924 676 1,761 12 0,355 19. 24 964 666 1,790 18 0,407 20. 25 1004 692 2,130 19 0,477 21. 26 1044 670 1,916 14 0,441 22. 27 1084 672 1,990 15 0,429 23. 28 1124 633 1,826 14 0,571 60 24. 29 1164 630 1,955 12 0,402 25. 30 1204 610 2,404 18 0,712 Tabel 4.6. Hasil uji coba masalah pengenalan bilangan Grafik hubungan antara jumlah unit tersembunyi dan lama waktu yang diperlukan terlihat pada gambar 4.9. untuk BPS dan gambar 4.10. untuk BPCG. Sedangkan hasil gabungannya pada gambar 4.11. Grafik hubungan an Gambar 4.9. Grafik Hubungan antara Waktu dan Unit Tersembunyi BPS 61 Gambar 4.10. Grafik Hubungan antara Waktu dan Unit Tersembunyi BPCG Gambar 4.11. Grafik Hubungan antara Waktu dan Unit Tersembunyi BPS dan BPCG 62 Dari hasil percobaan tampak bahwa waktu yang diperlukan pada algoritma BPS untuk semua kemungkinan jumlah unit tersembunyi lebih lama dibanding dengan algoritma BPCG. Pada masalah pengenalan bilangan, waktu terbaik dicapai oleh jaringan BPCG dengan 15 unit tersembunyi yaitu waktu proses pelatihan adalah 0,241 detik dengan 12 iterasi. Di sini banyaknya iterasi sebenarnya tidak menunjukkan kecepatan proses, bisa jadi jumlah iterasi lebih kecil tetapi waktu proses lebih lama. Ini terjadi karena dengan bertambahnya jumlah unit tersembunyi maka perhitungan tiap iterasinya akan memerlukan waktu yang lama pula. Di sini dapat dilihat pula bahwa dengan bertambahnya jumlah unit tersembunyi jumlah parameter yang tidak diketahui juga bertambah tidak selalu mengakibatkan waktu yang lama pula. Oleh karena itu kompleksitas waktu dari kedua algoritma tidak dapat dilihat dari sini.

D. Pembahasan Umum

Kompleksitas waktu dari kedua algoritma dapat dilakukan dengan menguji algoritma penurunan tercuram dan conjugate gradient secara umum, yaitu dengan menghitung banyaknya operasi flops yang dilakukan untuk memecahkan suatu masalah. Hasil pengujian flops seperti terlihat pada tabel 4.7. Jumlah flops No. Banyaknya parameter yang dicari Penurunan Tercuram Conjugate Gradient 1 2 2040 77 2 5 3696 308 3 10 6468 1013 4 30 17019 7833 63 5 100 21567101 82103 6 200 52067600 324203 7 400 117559200 1288403 8 600 214374626 2892603 9 800 338553642 5136803 10 1000 486729000 8021003 Tabel 4.7. Kompleksitas Penurunan Tercuram dan Conjugate Gradient Gambar 4.12. Kompleksitas Waktu Algoritma Penurunan Tercuram dan Conjugate Gradient Kompleksitas waktu yang berupa grafik hubungan antara banyaknya flops dengan ukuran masalah problem size terlihat pada Gambar 4.12. Tampak bahwa untuk ukuran masalah yang semakin besar maka jumlah flops meningkat dengan sangat tajam pada algoritma penurunan tercuram sedangkan pada conjugate gradient tidak