diperoleh bahwa waktu pembelajaran tercepat dan terlama berada pada laju pembelajaran 0.5. Waktu pembelajaran tercepat mencapai 2.03 detik dengan
jumlah hidden-node 15 dan waktu pembelajaran terlama 7.47 detik dengan jumlah hidden-node 10. Nilai MSE terkecil adalah 0.000981795, berada pada laju
pembelajaraan 0.01 dengan jumlah hidden-node 5. Hasil pengujian menghasilkan tingkat generalisasi untuk data validasi sebesar 75.76 pada laju pembelajaran
0.01 dan jumlah hidden-node 5. Generalisasi tertinggi dari data validasi menunjukkan nilai MSE yang terkecil. Pengujian terhadap data testing
menghasilkan tingkat generalisasi tertinggi sebesar 66.67. Percobaan pada kelompok data pertama dengan menggunakan fungsi
pelatihan dengan perbaikan teknik optimasi scaled conjugate gradient disajikan oleh Tabel 6.
Tabel 6 Kelompok data pertama MPLS dengan fungsi pelatihan scaled conjugate gradient
Pembelajaran Pengujian
Laju Pembelajaran
Hidden Node
Waktu detik
MSE Data Validasi
Data Testing
0.01 5
1.06 0.0171054
57.58 51.51
10 2.12
0.00125428 63.64
60.61 15
3.23 0.00175574
54.54 36.36
0.05 5
2.97 0.000976242
84.85 57.58
10 1.61
0.0035592 69.7
75.76 15
4.05 0.00424903
57.58 60.61
0.1 5
1.42 0.00127568
78.79 75.76
10 3
0..0338459 63.64
57.58 15
2.84 0.00234222
51.51 63.64
0.5 5
2.14 0.000944155
87.88 72.73
10 2.83
0.000986775 75.76
63.64 15
3.92 0.00205748
42.42 42.42
Hasil percobaan pada Tabel 6 menunjukkan bahwa waktu pembelajaran tercepat yang dicapai pada percobaan ini mengalami penurunan dari waktu
pembelajaran pada proses pembelajaran dari percobaan dengan menggunakan variasi fungsi pelatihan resilent backpropagation, yang tadinya 2.03 detik
menurun menjadi 1.06 detik, hal ini dapat dikatakan JST dapat menyelesaikan proses pembelajaran lebih cepat. Begitupula dengan nilai MSE terkecil yang
diperoleh dari hasil percobaan ini mengalami perbaikan dengan diperolehnya nilai MSE yang lebih kecil dari percobaan dengan menggunakan variasi fungsi
pelatihan resilent backpropagation yang memiliki nilai MSE terkecil 0.000981795 menjadi 0,000944155. Hal yang sama dengan tingkat generalisasi
pada data validasi dan data testing, mengalami peningkatan menjadi 87.88 untuk data validasi dan 75.76 untuk data testing. Nilai MSE terkecil dan tingkat
generalisasi tertinggi dari data validasi pada percobaan ini berada pada laju pembelajaran 0.5 dan jumlah hidden-node 5.
Tabel 7 merupakan hasil percobaan pada kelompok data pertama dengan menggunakan fungsi pelatihan levenberg-marquardt.
Tabel 7 Kelompok data pertama MPLS dengan fungsi pelatihan levenberg- marquardt
Pembelajaran Pengujian
Laju Pembelajaran
Hidden Node
Waktu detik
MSE Data Validasi
Data Testing
0.01 5
0.97 0.000216378
96.97 81.82
10 1.31
0.000819831 96.97
78.79 15
2.51 0.000246061
93.94 78.79
0.05 5
0.58 0.00076569
51.51 60.61
10 1.08
0.000706945 96.97
81.82 15
1.58 0.000443307
81.82 69.70
0.1 5
0.83 0.000166963
96.97 87.88
10 0.75
0.000300433 63.64
45.45 15
1.14 0.000562517
96.97 75.76
0.5 5
1.06 0.00023595
96.97 84.85
10 1.05
0.000501864 96.97
84.85 15
2.42 0.000269378
51.51 51.51
Percobaan dengan menggunakan fungsi pelatihan levenberg-marquardt menunjukkan bahwa nilai waktu pembelajaran tercepat, nilai MSE terkecil dan
tingkat generalisasi untuk data validasi dan data testing dari percobaan ini mengalami perbaikan nilai jika dibandingkan dengan hasil percobaan dengan
menggunakan fungsi pelatihan resilent backpropagation dan scaled conjugate gradient. Nilai waktu pembelajaran tercepat turun menjadi 0.58 detik jaringan
semakin lebih cepat belajar, nilai MSE terkecil semakin mendekati nol menjadi 0,000166963 dan tingkat generalisasi tertinggi dari data validasi dan data testing