4.3.1 Proses Pembelajaran Model
Pada proses ini digunakan tiga model JST dengan jumlah noda hidden layer
berbeda dengan tujuan mencari model dengan nilai error yang terkecil. Model 1 digunakan jumlah noda hidden layer 3 lebih kecil
dari jumlah noda input layer, model 2 dengan jumlah noda hidden layer 5 sama dengan jumlah noda input layer dan model 3 dengan jumlah noda
hidden layer 7 lebih besar jumlah noda input layer. Jumlah pengulangan
yang digunakan adalah 1000 dengan konstanta laju pembelajaran 0,6 dan konstanta momentum 0,6 untuk semua model.
Hasil pembelajaran terhadap 64 set data menghasilkan nilai error pada setiap iterasi seperti terlihat pada Gambar 10. Pada gambar terlihat
bahwa model 3 dengan jumlah hidden layer terbanyak menghasilkan nilai error yang konvergen tercepat dibandingkan dengan model yang lain. Hal
ini berarti jumlah noda hidden layer akan mempengaruhi kinerja proses pembelajaran JST. Semakin besar jumlah noda hidden layer akan
menghasilkan error yang cepat konvergen, tetapi juga akan menyebabkan proses pembelajaran semakin lama.
Nilai error masing–masing model pada proses pembelajaran setelah pengulangan ke-1000 disajikan pada Tabel 2. Pada tabel dapat dilihat
bahwa model 3 memiliki nilai error paling kecil untuk nilai SEP, APD, MAE dan RMSE, sedangkan nilai R
2
terbesar. Hal ini berarti model 3 dengan jumlah noda hidden layer terbanyak merupakan model yang
terbaik.
0.00 0.40
0.80 1.20
1.60 2.00
200 400
600 800
1000
Pengulangan Ni
la i E
rr o
r
SEP APD
MAE R2
RMSE
A
0.00 0.40
0.80 1.20
1.60 2.00
200 400
600 800
1000
Pengulangan Ni
la i E
rr o
r
B
0.00 0.40
0.80 1.20
1.60 2.00
200 400
600 800
1000
Pengulangan N
ilai E rr
o r
C
Gambar 10 Nilai error masing – masing model pada setiap pengulangan; A: model 1; B: model 2; C: model 3.
Tabel 2 Nilai error proses pembelajaran JST pada pengulangan ke-1000 No Model
SEP R
2
APD MAE
RMSE 1
Model 1
0,09 0,93 0,56 0,25 0,31 2
Model 2
0,08 0,95 0,48 0,21 0,28 3
Model 3
0,08 0,95 0,48 0,21 0,28 Nilai SEP untuk semua model berkisar antara 0,07–0,09 yang berarti
bahwa akurasi proses pembelajaran dalam menduga nilai target nilai TPT memiliki tingkat error berkisar 0,07 - 0,09. Nilai R
2
lebih dari 0,93 yang mengindikasikan 93 lebih nilai target dapat diterangkan secara
liniear dengan nilai pendugaan. Nilai APD mencapai 0,5 - 0,4 lebih yang berarti bahwa nilai penyimpangan rata – rata nilai pendugaan
terhadap nilai target mencapai 0,5 lebih. Nilai MAE mencapai 0,2 menerangkan bahwa rata – rata selisih antara nilai pendugaan dan nilai
target mencapai 0,2 secara absolut, sedangkan nilai RMSE mencapai 0,3 menerangkan bahwa rata-rata selisih antara nilai pendugaan dan nilai
target mencapai 0,3. Dari pengertian beberapa nilai error tersebut menunjukkan bahwa
analisis error dengan persamaan SEP mengindikasikan nilai error yang terkecil, sehingga persamaan ini sangat tepat digunakan untuk
menentukan nilai error proses pembelajaran.
4.3.2 Proses Validasi Model