2.4.9. Toleransi Error
Toleransi error merupakan sebuah nilai pembatas yang ditetapkan oleh user agar selisih target dengan keluaran jaringan saraf tiruan MSE dalam proses
pelatihan tidak sampai 0. Hal ini bertujuan untuk menghindari overtraining yang menyebabkan jaringan saraf tiruan mengambil sifat memorilisasi akibatnya ketika
hasil pelatihan diuji dengan pola data yang tidak pernah dikenali maka jaringan saraf tiruan akan memberikan hasil yang jauh berbeda dari target yang diharapkan.
2.5. Fungsi Aktivasi
Fungsi aktivasi digunakan untuk menentukan keluaran pada node. Ada beberapa fungsi aktivasi yang sering digunakan dalam jaringan saraf tiruan seperti
fungsi undak biner, bipolar, linear identitas, saturating linear, symmetric saturating linear, sigmoid biner dan sigmoid bipolar.
Karena keluaran jaringan saraf tiruan yang diinginkan pada penelitian ini antara 0 sampai 1 maka fungsi aktivasi yang digunakan adalah sigmoid biner dan
fungsi aktivasi ini mempunyai hubungan yang sederhana antara nilai fungsi pada suatu titik dengan turunannya sehingga mengurangi beban komputasi selama
pelatihan [23]. Bentuk grafik dari fungsi sigmoid biner dapat dilihat seperti pada Gambar 2.20 sedangkan fungsi dari sigmoid biner dirumuskan sebagai [23]:
…………………………….2. 17 dengan turunan:
…………………………2. 18
Universitas Sumatera Utara
Gambar 2. 20 Fungsi Sigmoid Biner [24]
2.6. Algoritma Pembelajaran
Salah satu bagian terpenting dari konsep jaringan saraf tiruan adalah terjadinya proses pembelajaran. Tujuan utama dari proses pembelajaran adalah melakukan
pengaturan terhadap bobot-bobot yang ada pada jaringan saraf tiruan, sehingga
diperoleh bobot akhir yang tepat sesuai dengan pola data yang dilatih [25]. Pada
dasarnya ada 2 metode pembelajaran, yaitu metode pembelajaran terawasi supervised dan metode pembelajaran yang tak terawasi unsupervised.
a. Pembelajaran terawasi
Pada jaringan saraf tiruan yang menerapkan metode pembelajaran terawasi maka output
yang diharapkan telah ditetapkan. Contoh: jaringan saraf tiruan yang digunakan untuk prediksi, pengenalan huruf, pola gerbang logika.
Universitas Sumatera Utara
b. Pembelajaran tak terawasi
Sedangkan jaringan saraf tiruan yang menerapkan metode pembelajaran tak terawasi tidak memerlukan target output. Pada metode ini, tidak ditentukan hasil
yang seperti apakah yang diharapkan selama proses pembelajaran. Metode pembelajaran seperti ini sangat cocok untuk pengelompokan pola.
Tetapi ada hal lain yang perlu dipertimbangkan dalam pembelajaran jaringan saraf tiruan yakni tercapainya keseimbangan antara kemampuan memorilisasi dengan
generalisasi. Yang dimaksud memorilisasi adalah kemampuan jaringan saraf tiruan memberikan respon yang sempurna terhadap semua pola yang pernah dilatihkan.
Sedangkan generalisasi adalah kemampuan jaringan saraf tiruan memberikan respon yang bisa diterima terhadap pola-pola input yang serupa namun tidak identik
dengan pola-pola yang sebelumnya telah dipelajari. Hal ini sangat bermanfaat ketika jaringan saraf tiruan diberikan pola input yang belum pernah dilatihkan maka jaringan
saraf tiruan tetap akan memberikan respon keluaran yang paling mendekati [25].
2.7. Algoritma Pembelajaran Backpropagation Standar
