a. Data pengujian dihitung terhadap setiap data bobot w yang telah dihasilkan pada tahap Pelatihan. Untuk setiap data masukan x dihitung terhadap setiap data bobot
w dengan rumus pada persamaan 3.2, seperti pada Tabel 3.11 berikut:
Tabel 3.11 Perhitungan Jarak Cj
x baru x-w akhir
2
√ � 61
2.67645
45.94815 87
177.06262 90
311.43395 82
228.22819 71
4.04615 90
30.31331 92
49.16121 91
23.15766 82
44.64922 96
69.57234 100
177.98237 95
151.73295 65
5.31989 78
24.77043 83
392.52487 79
418.60063
b. Dilihat jarak Cj terkecil yang diperoleh pada perhitungan terhadap data test. Kelas bobot yang memiliki jarak terkecil menjadi hasil dari proses Pengujian ini.
Jarak Cj pelatihan = 45.87329 Jarak Cj data pengujian = 45.94815
Sehingga di peroleh persentasi keasliannya= 45.94815
45.87329 ∗ 100 = 100
3. Proses Pelatihan Backpropagation
Pelatihan dengan metode Backpropagation menggunakan 2 alur perhitungan, yaitu alur maju dan alur mundur. Berikut ini merupakan tahap-tahap perhitungannya.
a. Data masukan proses Pelatihan Backpropagation, seperti terlihat pada Tabel 3.12
berikut ini:
Tabel 3.12 Data Masukan
Gambar Target
Vector P1
1 1
1 1
1 1
1 1
1 1
1 1
1 Masukan
1
b. Ubah nilai target kedalam angka biner seperti berikut ini:
Tabel 3.13 Target Backpropagation
Gambar Target
Biner P1
1 1
c. Tentukan nilai maksimum perulangan, error minimum, dan rasio Pelatihan. Pada
contoh perhitungan ini digunakan batasan sebagai berikut: Maksimum perulangan = 2
Error minimum = 0,01 Rasio Pelatihan = 0,05
d. Inisialisasikan bobot awal dengan nilai acak antara 0 dan 1. a. Bobot awal masukan ke hidden layer v
Tabel 3.14 Bobot Awal v
Bobot awal v
Nilai v01
0.00000 v1
0.78600 v2
0.48700 v3
0.62300 v4
0.34500 v5
0.45900 v6
0.98700 v7
0.21700 v8
0.38900 v9
0.67800 v10
0.27800 v11
0.76800 v12
0.56400 v13
0.28800 v14
0.98700 v15
0.36700 v16
0.46700
b. Bobot awal hidden ke keluaran w
Tabel 3.15 Bobot Awal w
w
01
w
11
0.641 e.
Perulangan dilakukan selama nilai perulangan maksimal perulangan dan nilai kuadrat error nilai error minimum. Setiap data dilakukan perulangan dilakukan
perhitungan seperti pada langkah 5 sampai 8
f. Alur maju:
Data ke-1 Epoch-1
Tiap unit masukan dihitung menggunakan nilai bobot. Berikut ini operasi pada hidden layer dengan menggunakan rumus pada persamaan 2.17:
1
= 0 + 0 ∗ 0,786 + 1 ∗ 0.478 + 1 ∗ 0.623 + 1 ∗ 0.345
+ 0 ∗ 0.459 + 1 ∗ 0.987 + 1 ∗ 0.217 + 1 ∗ 0.389
+ 1 ∗ 0.678 + 1 ∗ 0.278 + 1 ∗ 0.768 + 1 ∗ 0.564
+ 0 ∗ 0.288 + 0 ∗ 0.987 + 1 ∗ 0.367 + 1 ∗ 467 = 6.170
Hitung nilai output sesuai dengan persamaan 3.3 dengan menggunakan fungsi aktivasi yang dipilih.
= 1
1 +
− _
… … … … … … … … … … … … … … … … … … … … … … … … … … … . 3.3 1 =
1 1 +
−6.170
= 0.9979 1
Untuk tiap keluaran, jumlahkan bobot sinyal masukannya dengan menggunakan
rumus pada persamaan 2.19.
y_in
1
= w + z
1
w
1
= 0 + 0.8090.641 = 0.63966