Learning rate 0,5
20 40
60 80
100
10 20
30 40
50 60
70 80
90 100
NODE HIDDEN Akurasi validasi
Ulangan ke 1 Ulangan ke 2
Ulangan ke 3
Gambar 23. Grafik Pe rbandingan Akurasi terhadap Jumlah Node Hidden
Dari tiga kali pengulangan, untuk lapisan tersembunyi 10 mendapatkan akurasi sebesar 76.7, lapisan tersembunyi 20 adalah 76.7 dan lapisan
tersembunyi 30 adalah 80. Hal ini menunjukkan bahwa JST dengan lapisan tersembunyi 30 lebih stabil daripada JST dengan lapisan tersembunyi 10 dan 20.
Dari uraian diatas dapat ditentukan bahwa kombinasi proporsi untuk arsitektur JST dengan lapisan tersembunyi 30 diharapkan dapat menghasilkan
sistem yang stabil dan memiliki tingkat akurasi yang tinggi.
IV.5.2 Percobaan 2 laju pembelajaran
Akurasi maksimum dicapai pada saat laju pembelajaran 0.5 dengan nilai sebesar 80. Akan tetapi JST dengan laju pembelajaran 0.5 membutuhkan
epoh dan waktu training yang lebih besar dan lebih lama, sehingga lebih efisien untuk menggunakan JST dengan laju pembelajaran 0.8. JST dengan laju
pembelajaran 0.8 menghasilkan akurasi 80 dengan jumlah epoh terkecil dan waktu training dan validasi yang lebih cepat untuk setiap pengulangannya.
Pada Gambar 24 dapat dilihat bahwa tingkat laju pembelajaran tidak banyak berpengaruh pada nilai akurasi, namun lebih berpengaruh terhadap nilai epoh dan
waktu training maupun validasi seperti yang terlihat pada Gambar 25, Gambar 26 dan Gambar 27, yaitu memperbesar laju pembelajaran akan menghasilkan
jaringan yang lebih cepat konvergen pada tahap training. Nilai laju pembelajaran semakin besar menghasilkan epoh yang lebih sedikit dan waktu training yang
lebih cepat.
Hidden = 30
10 20
30 40
50 60
70 80
90 100
0,3 0,5
0,8
Learning Rate Akurasi Validasi detik
Ulangan ke 1 Ulangan ke 2
Ulangan ke 3
Gambar 24. Grafik Pe rbandingan Akurasi terhadap Learning Rate
Hidden = 30
100 200
300 400
500 600
700
0,3 0,5
0,8
Learning Rate Epoh
Ulangan ke 1 Ulangan ke 2
Ulangan ke 3
Gambar 25. Grafik Perbandingan Epoh terhadap Learning Rate
Hidden = 30
10 20
30 40
50 60
70 80
0,3 0,5
0,8
Learning Rate Waktu Training detik
Ulangan ke 1 Ulangan ke 2
Ulangan ke 3
Gambar 26. Grafik Perbandingan Waktu Training terhadap Learning Rate
Akurasi Validas i
Hidden = 30
0,159 0,16
0,161 0,162
0,163 0,164
0,165 0,166
0,167 0,168
0,3 0,5
0,8
Learning Rate Waktu Validasi detik
Ulangan ke 1 Ulangan ke 2
Ulangan ke 3
Gambar 27. Grafik Perbandingan Waktu Validasi terhadap Learning Rate
Dari kedua percobaan diatas hasil yang didapatkan adalah lapisan tersembunyi 30 dan laju pembelajaran 0.8. Kedua parameter tersebut adalah
parameter sistem yang optimal. Sistem dengan 30 unit lapisan tersembunyi dan laju pembelaja ran sebesar 0.8 tersebut mampu menghasilkan akurasi sebesar 90
2 rasa tawar, 3 rasa sedang dan 4 rasa manis dikenali dengan benar total salah duga 1. Dengan tahap training memerlukan 507 epoh dalam waktu training
sebesar 56 detik untuk konvergen, waktu validasi 0.163 detik dan waktu pendugaan adalah 9 detik.
BAB V KESIMPULAN DAN SARAN
