Berdasarkan uraian di atas maka tesis ini akan mengusulkan judul “Analisis Pengaruh pembobotan dengan metode Nguyen Widrow dalam
Backpropagation untuk prediksi”
dari hasil penelitian ini diharapkan hasil prediksi akan semakin akurat.
1.2
Penyimpangan yang jauh antara hasil prediksi dengan kenyataan yang sebenarnya masih ada ditemukan. Keakuratan hasil prediksi dalam backpropagation sangat
ditentukan oleh bobot dan bias. Bobot dan bias awal yang digunakan harus mampu menyesuaikan dengan pola pelatihan yang digunakan untuk mendapatkan prediksi
yang akurat.
PERUMUSAN MASALAH
1.3 BATASAN MASALAH
Agar tidak menyimpang dari tujuan penelitian maka masalah dalam penelitian ini dibatasi untuk :
1. 2.
Fungsi aktivasi yang digunakan adalah fungsi Sigmoid Biner. Inisialisasi Bobot dan bias menggunakan metode
3. Batas toleransi error adalah 0.01 Nguwen-Windrow.
Hal ini disebabkan jika error telah mencapai 0.01 maka hasil keakuratan prediksi yang diperoleh sudah baik Chrestanti at el, 2002.
4. Data yang digunakan untuk prediksi adalah data BBMKG Wilayah I
Medan selama 15 tahun 1997-2011.
1.4 TUJUAN PENELITIAN
Sesuai dengan permasalahan yang telah dirumuskan, tujuan penelitian yang hendak dicapai adalah merancang bobot dan bias dalam backpropagation dengan
menggunakan metode Nguyen Widrow sehingga didapat nilai bobot dan bias yang sesuai dengan pola pelatihan.
Universitas Sumatera Utara
1.5 MANFAAT PENELITIAN
Manfaat yang diharapkan dalam penelitian ini adalah: 1. Dapat diketahui pengaruh bobot dan bias dalam backpropagation.
2. Dapat diketahui cara untuk merancang bobot dan bias dalam
backpropagation. 3. Dapat dijadikan salah satu metode bagi forecaster dalam membuat
prediksi.
Universitas Sumatera Utara
BAB II
TINJAUAN PUSTAKA
2.1 JARINGAN SARAF SECARA BIOLOGIS
Jaringan saraf adalah salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Istilah buatan disini
digunakan karena jaringan saraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses
pembelajaran Fausett, 1994. Setiap sel saraf memiliki satu inti sel. Inti sel ini yang akan bertugas untuk
melakukan pemrosesan informasi. Informasi tersebut akan diterima dendrit .
Informasi hasil olahan ini akan menjadi masukan bagi neuron lain. Informasi yang dikirimkan antar neuron
adalah berupa rangsangan yang dilewatkan melalui dendrit. Informasi yang datang akan diterima oleh dendrit dan dijumlahkan lalu dikirim melalui axon ke dendrit akhir. Informasi
ini akan diterima oleh neuron lain jika memenuhi batasan tertentu. Batasan tertentu dikenal dengan nama nilai ambang threshold yang dikatakan teraktivasi Haykin, 2008.
Menurut Siang 2005 Jaringan Saraf Tiruan dibentuk sebagai generalisasi model matematika dari jaringan saraf biologi, dengan asumsi bahwa :
1. Pengolahan informasi terdiri dari elemen-elemen sederhana yang disebut neuron.
2. Sinyal dilewatkan dari satu neuron ke neuron yang lain melalui hubungan koneksi.
3. Tiap hubungan koneksi mempunyai nilai bobot sendiri. 4. Tiap neuron mempergunakan fungsi aktivasi terhadap input yang diterimanya
untuk menentukan sinyal keluaran.
Universitas Sumatera Utara
Gambar 2.1 Saraf Secara Biologis Haykin, 2008
2.2 JARINGAN SARAF TIRUAN JST
