bawah. Kemudian dalam fase II, faktor � perlu dihitung untuk
tiap lapis tersembunyi, dimulai dari lapis keluaran. 3.
Jumlah Pola Pelatihan Jumlah pola pelatihan ditentukan oleh banyaknya bobot
dan tingkat akurasi yang diinginkan. ℎ
=
ℎ
2.28
2.6 K-Fold Cross Validation
K-Fold Cross Validation adalah metode yang digunakan dalam proses pengujian klasifikasi data. Data dibagi menjadi k bagian kemudian bagian
satu dan bagian yang lain ditukar-tukar sebanyak k Tan, Steinbach, Kumar, 2006.
Sebagai contoh data dibagi menjadi 2 bagian dengan jumlah yang sama. Pertama, data bagian 1 digunakan sebagai data pelatihan dan data
bagian 2 digunakan sebagai data pengujian. Kedua, data bagian 2 digunakan sebagai data pelatihan dan data bagian 1 digunakan sebagai data pengujian.
Contoh ini disebut sebagai 2-Fold Cross Validation. K-Fold Cross Validation menjadikan data pelatihan dan pengujian
tidak sama. Data pelatihan tidak digunakan sebagai data pengujian.
2.7 Confusion Matrix
Data pelatihan dan pengujian merupakan data yang berbeda sehingga klasifikasi dapat diuji dengan benar. Nilai akurasi berdasarkan hasil
klasifikasi dihitung dari jumlah data yang dikenali sesuai dengan target kelasnya. Perhitungan akurasi pada klasifikasi data dihitung menggunakan
tabel yang bernama Confusion Matrix Tan, Steinbach, Kumar, 2006. Pada tabel 2.2 merupakan Confusion Matrix untuk klasifikasi 2 kelas.
Tabel 2.2 Confusion Matrix 2 Kelas Tan, Steinbach, Kumar, 2006 Hasil Pengujian
1 Target
Kelas 1
F11 F10
F01 F00
Fij adalah jumlah data yang dikenali sebagai kelas ke-j dengan target kelas ke-i. Dari tabel 2.2 didapat persamaan-persamaan untuk menghitung
akurasi dan tingkat kesalahan suatu klasifikasi : 1.
Persamaan untuk menghitung akurasi keseluruhan klasifikasi =
ℎ ℎ
=
+ +
+ +
2.29 2.
Persamaan untuk menghitung error keseluruhan klasifikasi
=
ℎ ℎ
=
+ +
+ +
2.30 3.
Persamaan untuk menghitung akurasi klasifikasi kelas 1 =
ℎ ℎ
=
+
2.31 4.
Persamaan untuk menghitung error klasifikasi kelas 1 =
ℎ ℎ
=
+
2.32 5.
Persamaan untuk menghitung akurasi klasifikasi kelas 0 =
ℎ ℎ
=
+
2.33 6.
Persamaan untuk menghitung error klasifikasi kelas 0 =
ℎ ℎ
=
+
2.34 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
3 BAB III
METODOLOGI PENELITIAN
Bab ini berisi penjelasan dan proses pengolahan data yang akan digunakan dalam penelitian ini, serta perancangan sistem yang meliputi proses ekstraksi ciri,
pelatihan dan pengujian arsitektur JST, lalu klasifikasi dan uji data, rincian kebutuhan sistem dan juga perancangan antarmuka sistem.
3.1 Data
