38
BAB III PEMBAHASAN
A. Fuzzy Radial Basis Function FRBFNN
1. Arsitektur Fuzzy Radial Basis Function Neural Network FRBFNN
Fuzzy Radial Basis Function Neural Network FRBFNN merupakan gabungan dari sistem fuzzy, Radial Basis Function RBF dan Neural Network
NN. FRBFNN adalah model RBFNN dengan input, bobot atau output yang berupa himpunan fuzzy. Pendekatan FRBFNN dibangun atas dasar meminimalkan
kuadrat dari total perbedaan antara output pengamatan dan output perkiraan. Pehlivan Apaydin, 2016: 61.
Prinsip model Fuzzy Radial Basis Function Neural Network FRBFNN mengacu pada model Radial Basis Function Neural Network RBFNN.
Arsitektur model RBFNN terdiri dari 3 lapisan, yaitu lapisan input input layer, lapisan tersembunyi hidden layer dan lapisan output output layer. Lapisan
input menerima suatu vektor input x yang kemudian dibawa ke lapisan
tersembunyi. Pada lapisan tersembunyi dilakukan transformasi nonlinear terhadap data dari lapisan input menggunakan fungsi basis radial sebelum diproses secara
linear pada lapisan output Wei et al, 2011:65. Hal tersebut menjadi salah satu acuan pada model FRBFNN. Namun, terdapat hal mendasar yang membedakan
antara kedua model tersebut yaitu adanya penambahan proses fuzzifikasi nilai input pada input layer yang terdapat pada model FRBFNN. Pada tugas akhir ini
hanya menggunakan satu neuron output, maka pada Gambar 3.1 berikut merupakan arsitektur jaringan dari model FRBFNN dengan 1 neuron output:
39
Gambar 3.1 Arsitektur Fuzzy Radial Basis Function Neural Network FRBFNN
Berdasarkan Gambar 3.2, , , … , adalah neuron pada lapisan input
yang berupa bilangan crisp.
.
,
.
, … ,
.
, . . . ,
.
adalah neuron pada lapisan input yang berupa bilangan fuzzy,
� , � , … , � adalah neuron pada lapisan tersembunyi dan
adalah neuron pada lapisan output, sedangkan
adalah bobot pada lapisan tersembunyi dan lapisan output. Dalam arsitektur FRBFNN juga ditambahkan sebuah neuron bias pada lapisan
tersembunyi. Bias tersebut berfungsi untuk membantu neural network dalam mengolah informasi dengan lebih baik.
…
Input Layer: Crisp Input
Input Layer: Fuzzy Input
Hidden Layer Output Layer
bias
� �
� �
1 …
y
… …
…
…
. .
. .
. .
. .
.
40
2. Model Fuzzy Radial Basis Function Neural Network FRBFNN
Kategori