∑
=
=
m k
kj k
j
w net
1
_
δ δ
Faktor δ unit tersembunyi :
1 _
_ _
j j
j j
j j
z z
net net
z f
net −
= =
δ δ
δ Hitung suku perubahan bobot v
ji
yang akan dipakai nanti untuk merubah bobot v
ji
Δv
ji
= α δ
j
x
i
; j=1, 2, ..., p ; i=0, 1, ..., n Fase III : Perubahan bobot
vi. Hitung semua perubahan bobot
Perubahan bobot garis yang menuju ke unit keluaran : w
kj
baru=w
kj
lama+ Δw
kj
k=1, 2, ..., m ; j=0, 1, ..., p Perubahan bobot garis yang menuju ke unit tersembunyi :
v
ji
baru=v
ji
lama+ Δv
ji
j=1, 2, ..., p ; i=0, 1, ..., n Setelah proses pelatihan selesai dilakukan, jaringan dapat dipakai untuk
mengenali pola. Dalam hal ini, hanya propagasi maju saja yang digunakan untuk pengujian testing yang bertujuan untuk menentukan keluaran
jaringan. Selain itu proses pengujian ini juga bertujuan untuk mengetahui keakuratan jaringan syaraf tiruan yang sebelumnya dilatih.
4. Pemilihan Bobot dan Bias
Bobot awal akan mempengaruhi apakah jaringan mencapai titik minimum lokal atau global terhadap nilai error, dan cepat tidaknya proses pelatihan menuju
kekonvergenan. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Apabila nilai bobot awal terlalu besar, maka input ke setiap lapisan tersembunyi atau lapisan output akan jatuh pada daerah dimana turunan
sigmoidnya sangat kecil. Dan jika bobot awal terlalu kecil, maka proses pelatihan akan menjadi lambat. Oleh karena itu dalam standar backpropagation, bobot dan
bias diisi dengan bilangan acak kecil. Prosedur umum untuk menginisialisasi bobot dan bias adalah nilai acak antara -0.5 dan 0.5. Cara lain untuk membuat
inisialisasi bobot dan bias awal ke unit tersembunyi dapat dilakukan dengan menggunakan metode Nguyen-Widrow.
5. Jumlah Unit Tersembunyi
Pada dasarnya tidak ada aturan khusus untuk menetapkan jumlah layar tersembunyi yang akan digunakan. Jaringan dengan sebuah layar tesembunyi
sudah cukup bagi backpropagation untuk mengenali sembarang perkawanan antara masukan dan target dengan tingkat ketelitian yang ditentukan. Tetapi
penambahan jumlah layar tersembunyi dapat membuat pelatihan lebih mudah.
6. Jumlah Pola Pelatihan
Dalam Hal ini juga tidak ada kepastian tentang berapa banyak pola yang akan digunakan agar jaringan dapat dilatih dengan sempurna. Jumlah pola yang
dibutuhkan dipengaruhi oleh banyaknya bobot dalam jaringan serta tingkat akurasi yang diharapkan.
7. Jumlah iterasi
Jumah iterasi digunakan sebagai kondisi penghentian dari pelatihan backpropagation. Jumlah iterasi ditentukan oleh user sendiri, karena tidak ada
aturan untuk menentukan jumlah iterasi. Dalam pelatihan backpropagation, iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah
maksimum iterasi yang ditetapkan, atau kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
C. Pengenalan Pola
Pola adalah suatu entitas yang dapat didefinisikan mungkin secara samar dan dapat diberi suatu identifikasi atau nama. Contoh: gelombang suara, sidik
jari, raut wajah, penutup lahan dll. Pengenalan pola bertujuan menentukan kelompok atau kategori pola berdasarkan ciri-ciri yang dimiliki pola tersebut.
D. Preprocessing Pra Pengolahan Citra
Secara harafiah, citra image adalah sebuah gambar pada bidang dwimatra dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan
fungsi menerus continue dari intensitas cahaya pada bidang dwimatra. Munir, 2004
Preprocessing merupakan proses awal yang dilakukan untuk memperbaiki kualitas citra edge enhancement dengan menggunakan teknik-teknik pengolahan
citra. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
