32
Nilai pada parameter delt_inc, delt_dec, delta0, dan deltamax merupakan default dalam Matlab ketika membuat jaringan dengan fungsi pelatihan “trainrp”. Nilai pada paremeter tersebut juga
merupakan nilai yang memberikan hasil yang optimum Febrianty et al. 2007. Kondisi pemberhentian dari jaringan tersebut berdasarkan nilai Mean Square Error MSE,
dimana Mean Square Error MSE lebih kecil dari toleransi net.trainParam.goal yang telah ditentukan atau jumlah epoch pelatihan sudah mencapai epoch maksimum. Diagram alir untuk
mendapatkan jaringan yang optimal dapat dilihat pada Lampiran 13. Tabel 4. Parameter yang digunakan dalam fungsi pelatihan resilient backpropagation
Parameter Nilai
net.trainParam.epochs 100000
net.trainParam.show 25
net.trainParam.showCommandLine net.trainParam.showWindow
1 net.trainParam.goal
0.0001 net.trainParam.min_grad
1.00E-06 net.trainParam.lr
0.1 net.trainParam.delt_inc
1.2 net.trainParam.delt_dec
0.5 net.trainParam.delta0
0.07 net.trainParam.deltamax
50
3.5.5 Simulasi Jaringan Pengujian jaringan
Hasil percobaan menunjukkan bahwa backpropagation yang sudah dilatih dengan baik akan menghasilkan keluaran yang masuk akal jika diberi masukan yang serupa tidak harus sama dengan
pola yang dipakai dalam pelatihan. Seperti halnya pelatihan pada jaringan backpropagation, pengujian juga memiliki tahapan yang
terstruktur. Setelah pelatihan selesai, jaringan dapat digunakan untuk pengenalan pola. Dalam hal ini, hanya propagasi maju saja yang dipakai untuk menentukan keluaran jaringan Siang 2009. Karena
tujuan dari proses pengujian hanya untuk mencari keluaran bukan untuk melakukan perubahan bobot dan minimasi error. Perintah
“sim” dalam Matlab digunakan untuk pengujian jaringan yang sudah di latih dengan menggunakan set data pengujian validasi.
3.5.6 Validasi dan Perhitungan Error
Validasi dan perhitungan error bertujuan untuk pengukuran akurasi dari model jaringan syaraf tiruan yang sudah disusun. Terdapat dua macam perhitungan error yang dapat dipakai, yaitu
mean square error MSE untuk membandingkan hasil target jaringan dan mean absolute percentage error MAPE untuk menghitung persentase tingkat akurasi jaringan. Dalam penelitian yang
digunakan adalah MSE. Jenis validasi yang digunakan pada penelitian ini adalah validasi silang cross validation.
Validasi silang merupakan suatu metode statistik yang digunakan menganalisa dan mengukur keakuratan hasil percobaan pada data independen. Metode ini membagi sebuah data menjadi beberapa
subdata yang selanjutnya subdata satu digunakan untuk mengkonfirmasi kebenaran sub data yang lainnya.
33
MSE merupakan salah satu dari beberapa macam perhitungan error yang sering dipakai. MSE merupakan rata-rata kuadrat dari selisih antara output jaringan dengan target output. Tujuan utama
dari pembuatan jaringan syaraf tiruan adalah memperoleh nilai error sekecil-kecilnya dengan secara iteratif mengganti nilai bobot yang terhubung pada semua neuron yang ada di jaringan syaraf tiruan.
Rumus dari MSE yang digunakan pada metode jaringan syaraf tiruan dapat dilihat pada Persamaan 41.
� =
−
2
..................................................................................................... 41 dimana m adalah jumlah pola yang akan dihitung, n
c
adalah nilai sebenarnya, dan n
d
adalah nilai duga JST.
Selain MSE parameter untuk menentukan kecocokan model JST yang sudah terbentuk adalah Standard Error SE dan Coefficient of Variation CV. Standard Error SE merupakan selisih antara
nilai hasil dugaan dengan nilai sebenarnya. Model dengan nilai SE yang mendekati nol menunjukkan model tersebut mampu memprediksi dengan baik. Coefficient of Variation CV menunjukkan
besarnya error sebanding dengan rata-rata hasil pengukuran data aktual. Mattjik et al. 2006 menyatakan, nilai CV bergantung pada bidang studi yang digeluti, misal untuk bidang pertanian nilai
CV yang dianggap wajar adalah 20-25 , namun jika percobaan dilakukan di laboratorium nilai CV diharapkan jauh lebih kecil karena sebagian kondisi lingkungan dalam keadaan terkontrol. Standard
Error SE dan Coefficient of Variation CV dihitung dengan persamaan berikut: � =
−
2 =1
.................................................................................................. 42 � =
� Ȳ
× 100 ....................................................................................................... 43 Dimana Y
NIR
adalah TPT atau kekerasan duga NIR, Y merupakan TPT dan kekerasan aktual, SE merupakan standart error, CV merupakan Coefficient of Variation, dan
Ȳ merupakan rata-rata TPT dan kekerasan aktual.
Dengan perintah “sim”, jika dalam set data pengujian terdapat nilai targetnya maka nilai error dan unjuk kerjanya dapat di hitung. Contoh keseluruhan perintah proses pelatihan dan pengujian suatu
model jaringan syaraf tiruan dengan Matlab sebagai berikut ini : net = newffminmaxinput:, 1:11
‟, [8 1], {„logsig‟, „purelin‟}, „trainrp‟, „learngdm‟, „mse‟; net.trainParam.show = 25;
net.trainParam.epochs = 100000; net.trainParam.goal = 0.0001;
net.trainParam.lr = 0.1; net.trainParam.showCommandLine = 0;
net.trainParam.showWindow = 1; net.trainParam.min_grad = 1e-6;
net.trainParam.delt_inc = 1.2; net.trainParam.delt_dec = 0.5;
net.trainParam.delta0 = 0.07; net.trainParam.deltamax = 50.0;
net = initnwnet, 1; net = initnwnet, 2;
p = input:, 1:11; t = input:, 12;
[net, tr] = trainnet, p ‟, t‟;
save net
net ;
[Y, Pf, Af, E Perf]=simnet, a:, 1:11 ‟, [], [], a:, 12‟;
34
Dari serangkaian perintah tersebut, dihasilkan model jaringan dengan nama “net”. Jaringan
tersebut memiliki satu lapisan tersembunyi dengan 8 neuron di lapisan tersembunyi. Neuron input yang digunakan adalah 11 dan neuron pada lapisan output adalah 1. Fungsi aktivasi dari lapisan input
ke output adalah fungsi “logsig”, sedangkan fungsi aktivasi dari lapisan tersembunyi ke lapisan output adalah fungsi identitas atau
”pureline”. Perintah tersebut dilakukan sebanyak 100000 iterasi. Perlu diingat setiap selesai menuliskan perintah harus di akhir
i dengan tanda titik koma “;” seperti pada bahasa pemrograman C.
3.6 Penentuan Gejala Chilling Injury Kerusakan Dingin
