30
yang optimal, sehingga respon yang dihasilkan oleh jaringan mendekati suatu kondisi yang diinginkan. Nilai laju pembelajaran yang optimal bergantung pada
kasus yang dihadapi.
2.4.3.4 Algoritma Propagasi Balik
Pelatihan propagasi balik meliputi 3 fase. Fase pertama adalah fase maju. Pola masukan dihitung maju mulai dari layar masukan hingga layar keluaran
menggunakan fungsi aktivasi yang ditentukan. Fase kedua adalah fase mundur. Selisih antara keluaran jaringan dengan target yang diinginkan merupakan
kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur dimulai dari garis yang berhubungan langsung dengan unit–unit di layar keluaran fase ketiga
adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi. Kusumadewi, 2003
Algoritma pelatihan jaringan syaraf tiruan propagasi balik adalah sebagai berikut :
Langkah 0 : Inisialisasi semua bobot dengan bilangan acak kecil Langkah 1 : Jika kondisi pengehntian belum terpenuhi, lakukan langkah 2-9.
Langkah 2 : Untuk setiap pasang data pelatihan, lakukan langkah 3-8.
Fase I : Propagasi maju Langkah 3 : Tiap unit masukan menerima sinyal dan meneruskan ke unit
tersembunyi diatasnya.
31
Langkah 4 : Hitung semua keluaran di unit tersembunyi Z
j
j=1,2,3,..p. =
+ ∑ =
= 1
1 +
Langkah 5 : Hitung semua keluaran jaringan di unit Y
k
k = 1, 2,…m. =
+ ∑ =
=
Fase II : Propagasi mundur Langkah 6 : Hitung mundur faktor unit keluaran berdasarkan kesalahan di
setiap unit keluaran Y
k
k = 1, 2,…m. = −
′
= − 1 − merupakan unit kesalahan yang akan dipakai dalam perubahan bobot layar
dibawahnya Langkah 7. Hitung suku perubahan bobot W
kj
yang akan dipakai nanti untuk merubah bobot W
kj
dengan laju percepatan α. ∆
= ; = 1,2, . . , ; = 0,1, ..p
Langkah 7 : Hitung faktor unit tersembunyi berdasarkan kesalahan di setiap
untit tersembunyi Z
j
j=1,2,3,..p. = ∑
2.22
2.23
2.24
2.25
2.26
31
Faktor unit tersembunyi : =
′
= 1 −
Hitung suku perubahan bobot V
ji
yang akan dipakai nanti untuk merubah bobot V
ji.
∆ = = 1,2, . . , ; = 0,1, … ,
Fase III : Perubahan bobot Langkah 8: Hitung semua perubahan bobot
Perubahan bobot garis yang menuju ke unit keluaran : =
+ ∇ Perubahan bobot garis yang menuju ke unit tersembunyi :
= + ∇
Langkah 9: kondisi perulangan.
Setelah pelatihan selesai dilakukan, jaringan dapat dipakai untuk pengenalan pola. Dalam hal ini hanya propagasi maju langkah 4 dan 5 saja yang dipakai untuk
menentukan keluaran jaringan.
2.27
2.28
33
BAB III ANALISA LAN PERANCANGAN SISTEM
Pada bab ini akan menjelaskan gambaran sistem secara umum untuk mengenali plat nomor kendaraan dengan menggunakan metode Propagasi Balik.
Untuk itu, dibutuhkan dua tahap Jaringan Syaraf Tiruan Propagasi Balik dalam pengenalan plat nomor, yaitu:
a. Tahap pelatihan training untuk pembentukan model
b. Tahap pengujian testing yang sekaligus sebagai pengenalan plat nomor
kendaraan. Bab ini juga akan mendesain rancangan user interlace dari aplikasi yang
akan dibangun serta perangkat keras dan lunak yang digunakan.
3.1 Analisa Sistem
Sistem yang akan dibangun adalah untuk mengenali plat nomor kendaraan bermotor khususnya DIY Yogyakarta dengan menggunakan metode
Propagasi Balik. Karakter yang akan dikenali ialah angka 0 sampai 9 dan huruf A sampai Z, dimana pengenalannya dilakukan pada setiap karakter yang ada pada
plat nomor kendaraan tersebut. Input yang akan diproses dengan menggunakan ekstensi .jpg. Gambar
yang di inputkan kemudian dikenali melalui ekstraksi ciri. Langkah selanjutnya ialah melakukan ekstraksi ciri untuk digunakan
