Tahap pengoreksian bobot 9. Tiap-tiap unit keluaran y
k
, k = 1, 2, 3, ..., m memperbaiki bobot dan bias, yaitu:
kj kj
kj
w lama
w baru
w
, k = 1, 2, ... , m ; j = 0, 1, ... , p tiap-tiap unit tersembunyi memperbaiki bobot dan bias, yaitu:
ji ji
ji
v lama
v baru
v
, j = 1, 2, ... , p ; i = 0, 1, ... , n 10. Tes kondisi berhenti
2. Algoritma Pengujian Backpropagation
Setelah proses pelatihan, backpropagation dapat digunakan untuk proses pengujian jaringan. Pada proses pengujian, tahap yang dilakukan hanya sampai
tahap maju saja, tidak ada tahap mundur apalagi tahap modifikasi bobot. Seluruh bobot input diambil dari nilai bobot terakhir yang diperoleh dari
proses pelatihan. Pada tahap pengujian ini, jaringan diharapkan dapat mengenali pola berdasarkan data baru yang diberikan generalisasi.
2.4 Optimalitas Arsitektur Backpropagation
Masalah utama yang terdapat dalam backpropagation ialah lamanya proses iterasi yang dilakukan. Backpropagation tidak dapat memastikan berapa epoch yang harus
dilalui sampai pola yang diinginkan terpenuhi. Oleh karena itu terdapat beberapa cara yang digunakan untuk mengoptimalkan proses iterasi, yaitu:
1. Pemilihan bobot dan bias awal
Bobot awal merupakan unsur yang terpenting dalam pembentukan jaringan yang baik, karena bobot awal mempengaruhi kecepatan iterasi jaringan dalam
mengenali pola. Bobot awal standar yang biasa dipakai dalam melakukan proses komputasi dinilai memberikan waktu yang lama. Inisialisasi Nguyen
Widrow merupakan modifikasi sederhana bobot-bobot dan bias ke unit tersembunyi yang mampu meningkatkan kecepatan jaringan dalam proses
pelatihan jaringan. 1
Universitas Sumatera Utara
2 2
2 1
2
...
ji j
j jn
v v
v v
Inisialisasi Nguyen Widrow didefinisikan dengan rumus:
dimana: n = jumlah neuron pada lapisan input
p = jumlah neuron pada lapisan tersembunyi β = faktor skala
Prosedur inisialisasi Nguyen Widrow ialah: a.
Inisialisasi bobot-bobot v
ji
lama dengan bilangan acak dalam interval [-0.5, 0.5]
b. Hitung
c. Bobot baru yang dipakai sebagai inisialisasi
d. Bias baru yang dipakai sebagai inisialisasi v
j0
= bilangan acak dalam interval [-
β, β] 2.
Momentum Penambahan parameter momentum dalam tahap pengoreksian nilai bobot
dapat mempercepat proses pelatihan yaitu dengan memodifikasi nilai bobot pada iterasi t+1 yang nilainya ditentukan oleh nilai bobot pada iterasi ke-t
dan t-1. µ adalah konsanta yang menyatakan parameter momentum yang nilainya 0
≤ µ ≤1. Maka persamaan untuk menentukan bobot baru ialah: w
kj
t+1 = w
kj
t + αδ
k
z
j
+ µ w
kj
t - w
kj
t-1 dengan:
w
kj
t =
bobot awal pola kedua hasil dari iterasi pola pertama w
kj
t −1
= bobot awal pada iterasi pola pertama
dan v
ji
t+1 = v
ji
t + αδ
k
x
i
+ µ v
ji
t - v
ji
t-1 dengan :
v
ji
t =
bobot awal pola kedua hasil iterasi pola pertama v
ji
t-1 =
bobot awal pada iterasi pertama 0, 7
n
p
ji ji
j
v lama
v v
Universitas Sumatera Utara
2.5 Pengenalan Pola
