3.11 Proses
Training
Proses Trainingmerupakan proses dimana komputer belajar dari sejumlah data yang ada dan menghasilkan nilai bobot. Bobot merupakan nilai yang menunjukkan
seberapa besar koneksi antara neuron. Nilai bobot akan bertambah, jika informasi yang diberikan oleh neuron yang bersangkutan tersampaikan, sebaliknya jika
informasi tidakdisampaikan oleh suatu neuron ke neuron yang lain, maka nilai bobot yangmenghubungkan keduanya akan dikurangi.
Pada saat pelatihan dilakukan pada input yangberbeda, maka nilai bobot akan diubah secara dinamis hingga mencapai suatu nilai yangcukup seimbang. Apabila
nilai ini telah tercapai mengindikasikan bahwa tiap-tiap input telah berhubungan dengan output yang diharapkan.Selama proses pelatihan, masing-masing bobot
koneksi dipropagasikan ke seluruh unitatau node dengan metode pelatihan perambatan balik Backpropagation. Bobot-bobot diatur secara iteratif untuk meminimumkan
fungsi kinerja jaringan. Fungsikinerja yang sering digunakan adalah Means Squared Error MSE, dimana fungsi ini akan mengambil kuadraterror yang terjadi antara
output dan target.Proses Trainingpada sistem ini dilakukan dengan menggunakan 2 buah metode, yaitu Backpropagation dan Learning Vector Quantization.
Data yang digunakan sebagai contoh pada proses trainingadalah data curah hujan selama 20 tahun dan data pengujian yang digunakan adalah data curah hujan
selama 10 tahun seperti yang telah disajikan pada Tabel 3.5.
Tabel 3.5 Data Curah Hujan Tahun 1980 Tahun Bulan
Curah Hujan Kondisi Kode 1980
01 61
BN 3
1980 02
106 BN
3 1980
03 115
BN 3
1980 04
88 BN
3 1980
05 235
AN 1
1980 06
163 BN
3 1980
07 111
BN 3
1980 08
452 AN
2 1980
09 388
AN 2
Universitas Sumatera Utara
1980 10
223 N
1 1980
11 187
N 1
1980 12
478 AN
2 Jumlah
217.25 Range N
185-250
Keterangan: Kode = 1 adalah curah hujan normal N
Kode = 2 adalah curah hujan atas normal AN Kode = 3 adalah curah hujan bawah normal BN
Tabel 3.6 Data Curah Hujan Target dan Kelas bulan Januari 30 Tahun Tahun
Curah Hujan
Target Back
Propagasi Kelas
LVQ
1980 61
3 3
1981 44
3 3
1982 1
3 3
1983 74
3 3
1984 155
2 2
1985 40
3 3
1986 109
1 1
1987 143
2 2
1988 94
3 3
1989 198
2 2
1990 61
3 3
1991 117
1 1
1992 44
3 3
1993 161
2 2
1994 3
3 1995
66 3
3 1996
97 1
1 1997
75 3
3 1998
163 2
2 1999
315 2
2 2000
59 3
3 2001
217 2
2 2002
91 3
3 2003
169 2
2 2004
139 2
2 2005
189 2
2 2006
104 1
1
Universitas Sumatera Utara
2007 170
2 2
2008 127
1 1
2009 72
3 3
Jumlah 3.353 Rata
112
Rx 85
95
Rx 115
129
Keterangan: Target = digunakan untuk algoritma Backpropagation
Kelas = digunakan untuk algoritma LVQ
3.12 Perhitungan
Kategori