Flowchart Prediksi Perhitungan Training
25
Tabel 3.3 Produksi kelapa sawit tahun 2010 lanjutan
No X1
X2 X3
X4 X5
X6 X7
X8 X9
Kelas 4
2010 2003 4
7 57
7766 62
25,160 1
5 2010 2003
5 7
57 7766
195 23,110
1 6
2010 2003 6
7 57
7766 88
49,270 1
7 2010 2003
7 7
57 7766
87 54,590
1 8
2010 2003 8
7 57
7766 101
94,700 2
9 2010 2003
9 7
57 7766
76 72,080
1 10 2010 2003
10 7
57 7766
89 88,430
2 11 2010 2003
11 7
57 7766
96 31064
96,170 2
12 2010 2003 12
7 57
7766 99
75,210 1
Sepuluh inputan akan dijadikan input pembelajaran. Dapat dilihat pada tabel 3.4 tabel pembelajaran training.
Tabel 3.4 Tabel pembelajaran training
No X1
X2 X3
X4 X5
X6 X7
X8 X9
Kelas 1
2010 2003
2 7
57 7766
68 44655
36,970 1
2 2010
2003 3
7 57
7766 52
34947 26,930
1 3
2010 2003
4 7
57 7766
62 25,160
1 4
2010 2003
5 7
57 7766
195 23,110
1 5
2010 2003
6 7
57 7766
88 49,270
1 6
2010 2003
7 7
57 7766
87 54,590
1 7
2010 2003
8 7
57 7766
101 94,700
2 8
2010 2003
9 7
57 7766
76 72,080
1 9
2010 2003
11 7
57 7766
96 31064
96,170 2
10 2010
2003 12
7 57
7766 99
75,210 1
Dua inputan dengan kelas berbeda yakni kelas 1, dan 2 akan diinisialisasi sebagai bobot training. Dapat dilihat pada tabel 3.5 bobot training.
26
Tabel 3.5 Tabel bobot training
No X1
X2 X3
X4 X5
X6 X7
X8 X9
Kelas 1
2010 2003
1 7
57 7766
113 44,410
1 2
2010 2003
10 7
57 7766
89 88,430
2
Sebagai Nilai awal dipilih Learning rate α = 0.05, epoch = 500, penurunan α = 0.1
α lama. Epoch ke-1 :
Data Ke-1 : 2010, 2003, 2, 7, 57, 7766, 68, 44655, 36970
Bobot ke-1: 2010, 2003, 1, 7, 57, 7766, 113, 0, 44410
Jarak pada bobot ke – 1
=
– – – =
– – – = =
= = 45270,571
Bobot ke-2: 2010, 2003, 10, 7, 57, 7766, 89, 0, 88430
Jarak pada bobot ke – 2
= – – –
= – – –
=
= = 68133,700
Jarak terkecil pada bobot ke-1 Target data ke-1 = 1
Bobot ke-1 baru: W
13
= W
13
+ α X
13
– W
13
= 2010 + 0.052010-2010 = 2010 W
14
= W
14
+ α X
14
– W
14
= 2003 + 0.052003-2003 = 2003 W
15
= W
14
+ α X
14
– W
14
= 1 + 0.052-1 = 1.05 W
16
= W
15
+ α X
15
– W
15
= 7 + 0.057-7 = 7 W
17
= W
14
+ α X
14
– W
14
= 57 + 0.0557-57 = 57
27
W
18
= W
16
+ α X
16
– W
16
= 7766+ 0.057766-7766 = 7766 W
19
= W
17
+ α X
17
– W
17
= 113 + 0.0568-113 = 110.75 W
20
= W
18
+ α X
18
– W
18
= 0 + 0.0544655-0 = 2232.75 W
21
= W
19
+ α X
19
– W
19
= 44410 + 0.0536970-44410 = 44038 W
1
baru = 2010, 2003, 1.05, 7, 57, 7766, 110.75, 2232.75, 44038 Untuk melakukan update bobot yang baru, maka nilai W
1
dimasukkan ke tabel bobot baru ke-1. Dapat dilihat pada tabel 3.6. tabel bobot baru pertama.
Tabel 3.6 Tabel bobot baru pertama
No X1
X2 X3
X4 X5
X6 X7
X8 X9
Kelas 1
2010 2003
1.05 7
57 7766 110.75 2232.75 44,038
1 2
2010 2003
10 7
57 7766
89 88,430
2
Data Ke-2 : 2010, 2003, 3, 7 , 57, 7766, 52, 34947, 26930
Bobot ke-1: 2010, 2003, 1.05, 7, 57, 7766, 110.75, 2232.75, 44038
Jarak pada bobot ke – 1
= – – –
= – – – =
=
= = 36917.6011
Bobot ke-2:
2010, 2003, 10, 7, 57, 7766, 89, 0, 88430 Jarak pada bobot ke
– 2
= – – –
= – – – =
=
= = 70735.7351
Jarak terkecil pada bobot ke-1 Target data ke-2 = 1
28
Bobot ke-1 baru: W
13
= W
13
+ α X
13
– W
13
= 2010 + 0.05 2010 - 2010 = 2010 W
14
= W
14
+ α X
14
– W
14
= 2003 + 0.05 2003 - 2003 = 2003 W
15
= W
14
+ α X
14
– W
14
= 1.05 + 0.05 3 - 1.05 = 1.1475 W
16
= W
15
+ α X
15
– W
15
= 7 + 0.05 7 - 7 = 7 W
17
= W
14
+ α X
14
– W
14
= 57+ 0.05 57 - 57 = 57 W
18
= W
16
+ α X
16
– W
16
= 7766+ 0.05 7766 - 7766 = 7766 W
19
= W
17
+ α X
17
– W
17
= 110.75 + 0.05 52 - 110.75 = 107.8125 W
20
= W
18
+ α X
18
– W
18
= 2232.75 + 0.05 34947 - 2232.75 = 3862.4625 W
21
= W
19
+ α X
19
– W
19
= 44038 + 0.05 26930 - 44038 = 43182.6 W
1
baru = 2010, 2003, 1.1475, 7, 57, 7766, 107.8125, 3862.4625, 43182.6 Untuk melakukan update bobot yang baru, maka nilai W1 dimasukkan ke tabel bobot
baru ke-1. Dapat dilihat pada tabel 3.7. bobot baru kedua.
Tabel 3.7 Tabel bobot baru kedua
No X1
X2 X3
X4 X5 X6
X7 X8
X9 Kelas
1 2010
2003 1.14
7 57 7766
107.81 3862.46
43182 1
2 2010
2003 10
7 57 7766
89 88,430
2
Proses ini diteruskan sampai dengan data ke 10. Kemudian akan dilanjutkan ke epoch ke-2. Namus sebelum masuk epoch ke-2, nilai learning rate akan diupdate terlebih
dahulu dengan cara nilai dec alpha dikalikan dengan nilai learning rate. New learning rate = dec alpha learning rate lama
New learning rate = 0.1 0.05 New learning rate = 0. 005.
Setelah nilai learning rate baru didapat, proses yang berjalan akan dilanjutkan seperti proses-proses sebelumnya hingga mencapai epoch yang ditentukan yakni epoch ke-
500.