22
Algoritma RPROP berusaha untuk mengeliminasi besarnya efek turunan parsial dengan cara hanya menggunakan tanda turunannya saja. Tanda turunan ini akan menentukan arah perbaikan
bobot –bobot. Besarnya perubahan setiap bobot akan ditentukan oleh suatu faktor yang diatur pada
parameter delt_inc atau delt_dec Pada awal iterasi, besarnya perubahan bobot diinisialisasikan dengan parameter delta0. Besarnya perubahan tidak boleh melebihi batas maksimum yang terdapat pada
parameter deltamax. Sama seperti pada algoritma propagasi balik gradien descent, Algoritma RPROP
melaksanakan dua tahap pembelajaran yaitu tahap perambatan maju forward untuk mendapatkan error output dan tahap perambatan mundur backward untuk mengubah nilai bobot-bobot.
Proses pembelajaran pada algoritma RPROP diawali dengan Definisi masalah, yaitu menentukan matriks masukan p dan matriks target t. Kemudian dilakukan proses inisialisasi yaitu
menentukan bentuk jaringan, MaxEpoh, Target_Error, delta_dec, delta_inc, delta0, deltamax, dan menetapkan nilai-nilai bobot sinaptik vij dan wjk secara random.
Pelatihan jaringan pada algoritma RPROP dilakukan selama Epoh jumlah siklus pelatihan kurang dari MaxEpoh dan Minimum Square Error Minimal error yang ditoleransi lebih besar dari
Target Error. Proses perambatan maju forward pada algoritma RPROP sama dengan algoritma Propagasi Balik umumnya, sedangkan pada proses backwardnya berbeda.
2.6.6 Aplikasi Jaringan Syaraf Tiruan
JST pada dasarnya digunakan untuk model yang tidak linear, JST sangat baik digunakan sebagai peralatan untuk melakukan analisa karena mempunyai algoritma yang fleksibel, bisa dilatih
dengan cepat dan toleran terhadap error yang besar, dengan berbagai kelebihan yang dimiliki oleh JST ini sehingga banyak digunakan dalam berbagai aplikasi.
Penggunaan jaringan syaraf tiruan dalam bidang pertanian telah banyak dilakukan. Hendri 2001 menerapkan jaringan syaraf tiruan pada pendugaan buah duku tidak berbiji secara non
destruksi dengan menggunakan cahaya tampak. Jaringan syaraf tiruan yang dipakai menggunakan algoritma pelatihan backpropagation
dengan nilai laju pembelajaran α sebesar 0.7 dan nilai konstanta momentum µ sebesar 0.3. fungsi transfer yang dipakai adalah fungsi sigmoid dengan nilai
konstanta persamaan σ sebesar 1. Penelitian tersebut mendapatkan model yang paling sesuai untuk pengevaluasian terhadap duku yaitu model jaringan dengan 4 noda pada lapisan tersembunyi dengan
iterasi sebanyak 6000 dengan nilai rata-rata absolut galat yang dihasilkan adalah 0.241 dan nilai koefisien determinasi antara nilai penduga dan nilai target sebesar 0.86. Penelitian tersebut
menyimpulkan bahwa pemakaian cahaya tampak dan jaringan syaraf tiruan untuk mengevaluasi mutu buah duku dapat dilakukan.
Magrib 2001 menduga suhu dan kadar air bahan pada pengeringan kacang tanah dengan jaringan syaraf tiruan. Strukrur jaringan yang digunakan adalah jaringan feedforward dan recurrent
dengan algoritma pelatihan backpropagation. Dari penelitian tersebut disimpulkan bahwa jaringan syaraf tiruan mampu menduga penurunan kadar air dan kenaikan suhu pada uji data training dan
validasi. Senduk 2002 menggunakan kombinasi masukan 5, 10, dan 15 komponen utama spectra NIR
dengan lapisan tersembunyi jaringan syaraf dengan kombinasi 4, 6, 8, 10, dan 12 node atau neuron menghasilkan RMSE 0.0077 sampai 0.00073 untuk menduga tingkat kematangan dan ketuaan sawo.
Arif 2003 meneliti penjadwalan pasokan larutan nutrisi pada sistem hidroponik substrat tanaman mentimun menggunakan jaringan syaraf tiruan dan genetic algorithms. Dari penelitian
tersebut didapatkan lama dan selang waktu penyiraman yang optimal.
23
Marthaningtiyas 2005, melakukan pendugaan total padatan terlarut dan kadar asam belimbing Averrhoa carambola L. dengan menggunakan teknik near infrared dan jaringan syaraf tiruan JST.
Penggunaan analisis komponen utama dalam mereduksi data absorbansi dari spektrum infra merah dekat sangat efektif. Input JST didapatkan dari hasil analisis komponen utama, sebesar 99.9
spektrum infra merah dekat yang diwakili oleh lima input komponen utama. Mardison 2010 menduga komposisi kimia dari biji jarak pagar dengan jaringan syaraf tiruan
secara non-destruktif. Dari penelitian tersebut didapatkan arsitektur JST terbaik adalah 20 – 10 – 3
dengan nilai RMSEP 3.718 untuk kadar minyak, 1.314 untuk FFA, dan 1.989 untuk kadar air.
24
III. METODOLOGI PENELITIAN
3.1 Tempat dan Waktu Penelitian
