1. Lakukan proses Trainning Standar dan TrainningModif
2. Kliktombol pengujian
4.3 Hasil Uji Coba
Algoritma backpropagation merupakan algoritma yang akan menghasilkan nilai terbaik melalui serangkaian uji coba trial and error. untuk itu pada penelitian ini, penulis
melakukan beberapa percobaan untuk meningkatkan kecepatan pembelajaran accelerated learning
4.3.1 Hasil Normalisasi Data
Pada langkah ini dataset yang akan dilatih akan dilakukan proses normalisasi, data set dan hasil normalisasi dapat dilihat pada tabel 4.2
Tabel 4.2
Dataset awal yang telah dinormalisasi Indeks
Data ke Data Awal
Data Normalisasi
X1 X2
X3 X4
X1 X2
X3 X4
1 2
50 12500
98 0.222
1 1
1 2
13 3250
28 0.26
0.26 0.29
3 1
16 4000
35 0.111
0.32 0.32
0.36 4
2 20
5000 45
0.222 0.4
0.4 0.46
5 1
24 6000
77 0.111
0.48 0.48
0.79 6
4 4
1000 4
0.444 0.08
0.08 0.04
7
2
7 1750
14 0.222
0.14 0.14
0.14 8
1
12 3000
35 0.111
0.24 0.24
0.36 9
2
9 2250
22 0.222
0.18 0.18
0.22 10
5
46 11500
98 0.556
0.92 0.92
1
Universitas Sumatera Utara
11
4
23 5750
58 0.444
0.46 0.46
0.59 12
3 750
4 0.06
0.06 0.04
13
2
10 2250
22 0.222
0.20 0.26
0.48 14
1
13 3250
47 0.111
0.26 0.26
0.48 15
2
6 1500
15 0.222
0.12 0.12
0.15 16
2
5 1250
11 0.222
0.1 0.1
0.11 17
2
14 3500
48 0.222
0.28 0.28
0.49 18
2
15 3750
49 0.222
0.3 0.3
0.5 19
2
6 1500
15 0.222
0.12 0.12
0.15 20
2
3 750
4 0.222
0.06 0.06
0.04 21
2
3 750
4 0.222
0.06 0.06
0.04 22
4
11 2750
28 0.444
0.22 0.22
0.29 23
2
6 1500
16 0.222
0.12 0.12
0.16 24
2
6 1500
16 0.222
0.12 0.12
0.16 25
9
9 2250
16 1
0.18 0.18
0.16 26
4
14 3500
40 0.444
0.28 0.28
0.41 27
4
6 1500
14 0.444
0.12 o.12
0.14 28
4
12 3000
34 0.444
0.24 0.24
0.35 29
4
5 1259
11 0.444
0.1 0.1
0.11 30
4
8 2000
21 0.444
0.16 0.16
0.21 31
1
14 3500
58 0.111
0.28 0.28
0.59 32
4
10 2500
28 0.444
0.2 0.2
0.29 33
4
10 2500
28 0.444
0.2 0.2
0.29 34
4
9 2250
26 0.444
0.18 0.18
0.27 35
4
16 4000
64 0.222
0.32 0.32
0.65
Universitas Sumatera Utara
36
2
8 2000
28 0.222
0.16 0.16
0.29 37
2
12 3000
47 0.222
0.24 0.24
0.48 38
4
6 1500
16 0.444
0.12 0.12
0.16 39
2
14 3500
57 0.222
0.28 0.28
0.58 40
4
7 1750
22 0.444
0.14 0.14
0.22 41
2
13 3250
53 0.222
0.26 0.26
0.54 42
2
5 1250
16 0.222
0.1 0.1
0.16 43
2
5 1250
16 0.222
0.1 0.1
0.16 44
2
5 1250
16 0.222
0.1 0.1
0.16 45
2
20 5000
69 0.444
0.4 0.4
0.7 46
4
9 2250
28 0.444
0.18 0.18
0.29 47
2
9 2250
36 0.222
0.18 0.18
0.37 48
2
2 500
2 0.222
0.04 0.04
0.02 50
2
2 500
2 0.222
0.04 0.04
0.02
Untuk membandingkan kinerja dari algoritma backpropagation standar dengan algoritma backpropagation adaptive learning rate, parameter arsitektur jaringan dan
nilai bobot awal yang diberikan sama. kedua algoritma diuji menggunakan bobot awal yang sama yang dipilih secara acak dan menerima pola masukan untuk pelatihan
dalam urutan yang sama, seperti yang terlihat pada tabel 4.1.
4.3.2 Hasil Pelatihan Algoritma Backpropagation Standar