Aplikasi Jaringan Syaraf Tiruan Model Kohonen dalam Pengelompokan Data Pencemaran Udara Sektor Industri di Sumatera Utara
APLIKASI JAR
ARINGAN SYARAF TIRUAN MODEL
ODEL KOHONEN
DALAM PENGELOMPOKAN
P
DATA PENCEM
CEMARAN
U
UDARA
PADA SEKTOR INDUSTR
STRI
DI SUMATERA UTARA
SKRIPSI
NUR AISYIAH DARMAN ELI
110803071
DEPARTEMEN MATEMATIKA
FAKULTAS MA
ATEMATIKA DAN ILMU PENGETA
GETAHUAN ALAM
U
UNIVERSITAS
SUMATERA UTARA
RA
MEDAN
2015
Universitas Sumatera Utara
APLIKASI JAR
ARINGAN SYARAF TIRUAN MODEL
ODEL KOHONEN
DALAM PENGELOMPOKAN
P
DATA PENCEM
CEMARAN
U
UDARA
PADA SEKTOR INDUSTR
STRI
DI SUMATERA UTARA
SKRIPSI
Diajukan untuk melengkapi
m
tugas dan memenuhi syarat untu
ntuk mencapai gelar
Sarjana Sains
NUR AISYIAH DARMAN ELI
110803071
DEPARTEMEN MATEMATIKA
FAKULTAS MA
ATEMATIKA DAN ILMU PENGETA
GETAHUAN ALAM
U
UNIVERSITAS
SUMATERA UTARA
RA
MEDAN
2015
Universitas Sumatera Utara
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Departemen
Fakultas
: Aplikasi Jaringan Syaraf Tiruan Model Kohonen
dalam Pengelompokan Data Pencemaran Udara
Sektor Industri di Sumatera Utara
: Skripsi
: Nur Aisyiah Darman Eli
: 110803071
: Sarjana (S1) Matematika
: Matematika
: Matematika Dan Ilmu Pengetahuan Alam
(FMIPA) Universitas Sumatera Utara
Disetujui di
Medan, Juli 2015
Komisi Pembimbing:
Pembimbing 2,
Pembimbing 1,
Drs. Henry Rani Sitepu, M.Si
NIP. 19530303 198303 1 002
Drs. Partano Siagian, M.Sc
NIP. 19511227 198003 1 001
Disetujui oleh
Departemen Matematika FMIPA USU
Ketua,
Prof. Dr. Tulus, M.Si
NIP. 196209011988031002
i
Universitas Sumatera Utara
PERNYATAAN
APLIKASI JARINGAN SYARAF TIRUAN MODEL KOHONEN DALAM
PENGELOMPOKAN DATA PENCEMARAN
UDARA PADA SEKTOR INDUSTRI
DI SUMATERA UTARA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri. Kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2015
Nur Aisyiah Darman Eli
110803071
ii
Universitas Sumatera Utara
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pemurah dan
Maha Penyayang, dengan limpahan karuniaNya penulis dapat menyelesaikan
penyusunan skripsi ini dengan judul Aplikasi Jaringan Syaraf Tiruan Model
Kohonen Dalam Pengelompokan Data Pencemaran Udara Sektor Industri di
Sumatera Utara.
Terima kasih penulis sampaikan kepada Bapak Drs. Partano Siagian, M.Sc
selaku Dosen pembimbing 1 dan Bapak Drs. Henry Rani Sitepu, M.Si selaku
Dosen pembimbing 2 yang telah meluangkan waktunya selama penulisan skripsi
ini. Terima kasih kepada dosen pembanding penulis Ibu Dra. Normalina
Napitupulu, M.Sc dan Bapak Drs. Marihat Situmorang, M.Kom atas kritik dan
saran yang membangun dalam penulisan skripsi penulis. Terima kasih kepada
Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan
Sekretaris Departemen Matematika FMIPA USU. Terima kasih kepada Bapak Dr.
Sutarman, M.Sc selaku Dekan FMIPA USU, Wakil Dekan FMIPA USU, seluruh
Staff dan Dosen Matematika FMIPA USU, pegawai FMIPA USU serta rekanrekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda tercinta Agustidarman,
Ibunda tercinta Eli Marni, serta saudara–saudara penulis yang tersayang Piramita
Darmonia, Poppy Apriani, Novia Asmalidar dan Marisa Novita serta keluarga dari
kedua orang tua yang selama ini memberikan bantuan dan dorongan yang
diperlukan. Semoga Allah SWT akan membalasnya.
iii
Universitas Sumatera Utara
APLIKASI JARINGAN SYARAF TIRUAN MODEL KOHONEN DALAM
PENGELOMPOKAN DATA PENCEMARAN
UDARA PADA SEKTOR INDUSTRI
DI SUMATERA UTARA
ABSTRAK
Pengelompokan dapat dilakukan dengan menggunakan metode statistika. Dalam
perkembangan teknologi, Artificial Intelligence dapat digunakan untuk
pengelompokan data yaitu Jaringan Syaraf Tiruan model Kohonen. Model
Kohonen merupakan salah satu model dari Jaringan Syaraf Tiruan yang banyak
dipakai dalam membagi pola masukan kedalam beberapa kelompok. Jaringan
kohonen ini termasuk dalam pembelajaran tak terawasi. Jaringan ini dapat
mengenali dan mengklasifikasikan pola-pola yang melakukan pelatihan dari
vektor input data dengan vektor bobot sebagai penghubung antara layar masukan
dan layar kompetisi dalam proses pelatihan. Dari proses pelatihan tersebut
terbentuk kelompok pola-pola yang dilatihkan. Pada penelitian dibahas
pengelompokan 10 jenis industri di Sumatera Utara berdasarkan hasil jenis
polutan yang terdiri dari
,
,
,
,
,
dan Total Susupended
Particulates (TSP). Kelompok data yang akan dibentuk dalam proses pelatihan
dimulai dari dua kelompok hingga sembilan kelompok. Pelatihan dilakukan
hingga didapatkan hasil kelompok yang konsisten dari epoch maksimum. Dari
proses pelatihan menggunakan software Matlab 7.8 diperoleh hasil kelompok
yang bisa terbentuk dari 8 kelompok yang dilatihkan yaitu dua kelompok, tiga
kelompok dan empat kelompok. Dua kelompok terbentuk dari hasil pelatihan
epoch 1000 dan 10000 yang menghasilkan anggota kelompok yang sama. Tiga
kelompok dan empat kelompok terbentuk dari hasil pelatihan epoch 8000 dan
10000 yang menghasilkan anggota kelompok yang konsisten.
Kata Kunci: Model Kohonen, Pengelompokan, Pencemaran Udara
iv
Universitas Sumatera Utara
APPLICATION OF KOHONEN NEURAL NETWORK MODEL IN THE
AIR POLLUTION DATA CLUSTERING INDUSTRIAL SECTOR IN
NORTH SUMATERA
ABSTRACT
Clustering can be done using statistical methods. The development of technology,
Artificial Itelligence can be used for clustering data is Kohonen Neural Network
models. Kohonen model is one of model Artificial Neural Network most frequent
used in dividing the input pattern into some cluster. Kohonen Neural Network is
included unsupervised learning. Kohonen Neural Network is able to recognize
and classify patterns of the training input vector data with the weighted vector
which connects between input layer and competition layer in training process. Of
the training process to form a group that trained. In this research explain or study
cluster in ten of industrial in North Sumatera based on kind of pollutant consist of
,
,
,
,
,
and Total Suspended Particulates (TSP). Group data
which is made in training process begin from two groups until nine groups.
Training is done until the results obtained are consistent group of maximum
epoch. Of the training process using Matlab 7.8 software obtained results which
can form a group of 8 trained groups is two group, three group, four group. Two
kelompok formed from the results of training epoch 1000 and 10000 which
resulted in members of the same group. Three and four group formed from the
relsults of training epoch 8000 and 10000 which producesa consistent member of
the group.
Keyword: Kohonen Model, Clustering, Air Pollution
v
Universitas Sumatera Utara
DAFTAR ISI
Halaman
i
ii
iii
iv
v
vi
viii
xi
xiii
PERSETUJUAN
PERNYATAAN
PENGHARGAAN
ABSTRAK
ABSTRACT
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
BAB 1 PENDAHULUAN
1.1 Latar Belakang
1.2 Perumusan Masalah
1.3 Batasan Masalah
1.4 Tinjauan Pustaka
1.5 Tujuan Penelitian
1.6 Manfaat Penelitian
1.7 Metodologi Penelitian
1
1
2
2
3
5
6
6
BAB 2 LANDASAN TEORI
2.1 Jaringan Syaraf Tiruan
2.1.1 Pemrosesan dalam Jaringan Syaraf Tiruan
2.1.2 Arsitektur Jaringan
2.1.3 Algoritma Umum Jaringan Syaraf Tiruan
2.1.4 Fungsi Aktivasi
2.1.5 Proses Pembelajaran
2.2 Model Kohonen
2.2.1 Arsitektur Jaringan Kohonen
2.2.2 Algoritma Jaringan Kohonen
2.3 Pencemaran Udara
2.3.1 Komponen
8
8
9
10
11
12
13
14
15
16
17
18
BAB3 HASIL DAN PEMBAHASAN
3.1 Pengumpulan Data
3.2 Pengolahan Data
21
21
21
BAB 4 KESIMPULAN DAN SARAN
4.1 Kesimpulan
4.2 Saran
32
32
32
DAFTAR PUSTAKA
LAMPIRAN
87
89
vi
Universitas Sumatera Utara
DAFTAR TABEL
Nomor
Judul
Halaman
Tabel
3.1
Data Pencemaran Udara Sektor Industri di Sumatera Utara
21
3.2
Hasil pelatihan dengan 1.000 epoch
26
3.3
Hasil pelatihan dengan 10.000 epoch
26
3.4
Hasil pelatihan dengan 8.000 epoch
27
3.5
Hasil pelatihan dengan 10.000 epoch
27
3.6
Hasil pelatihan dengan 8.000 epoch
27
3.7
Hasil pelatihan dengan 10.000 epoch
27
3.8
Hasil pelatihan dengan 8.000 epoch
28
3.9
Hasil pelatihan dengan 10.000 epoch
28
3.10
Hasil pelatihan dengan 8.000 epoch
28
3.11
Hasil pelatihan dengan 10.000 epoch
28
3.12
Hasil pelatihan dengan 8.000 epoch
29
3.13
Hasil pelatihan dengan 10.000 epoch
29
3.14
Hasil pelatihan dengan 8.000 epoch
29
3.15
Hasil pelatihan dengan 10.000 epoch
30
3.16
Hasil pelatihan dengan 8.000 epoch
30
3.17
Hasil pelatihan dengan 10.000 epoch
30
vii
Universitas Sumatera Utara
DAFTAR GAMBAR
Nomor
Judul
Halaman
1.1
Arsitektur jaringan kohonen
4
2.1
Jaringan dengan lapisan tunggal
10
2.2
Jaringan dengan banyak lapisan
11
2.3
Arsitektur jaringan self organizing
15
Gambar
viii
Universitas Sumatera Utara
DAFTAR LAMPIRAN
Nomor
Judul
Halaman
Lamp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Proses pelatihan dua kelompok 1000 epoch
Proses pelatihan dua kelompok 10000 epoch
Proses pelatihan tiga kelompok 8000 epoch
Proses pelatihan tiga kelompok 10000 epoch
Proses pelatihan empat kelompok 8000 epoch
Proses pelatihan empat kelompok 10000 epoch
Proses pelatihan lima kelompok 8000 epoch
Proses pelatihan lima kelompok 10000 epoch
Proses pelatihan enam kelompok 8000 epoch
Proses pelatihan enam kelompok 10000 epoch
Proses pelatihan tujuh kelompok 8000 epoch
Proses pelatihan tujuh kelompok 10000 epoch
Proses pelatihan delapan kelompok 8000 epoch
Proses pelatihan delapan kelompok 10000 epoch
Proses pelatihan sembilan kelompok 8000 epoch
Proses pelatihan sembilan kelompok 10000 epoch
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
ix
Universitas Sumatera Utara
ARINGAN SYARAF TIRUAN MODEL
ODEL KOHONEN
DALAM PENGELOMPOKAN
P
DATA PENCEM
CEMARAN
U
UDARA
PADA SEKTOR INDUSTR
STRI
DI SUMATERA UTARA
SKRIPSI
NUR AISYIAH DARMAN ELI
110803071
DEPARTEMEN MATEMATIKA
FAKULTAS MA
ATEMATIKA DAN ILMU PENGETA
GETAHUAN ALAM
U
UNIVERSITAS
SUMATERA UTARA
RA
MEDAN
2015
Universitas Sumatera Utara
APLIKASI JAR
ARINGAN SYARAF TIRUAN MODEL
ODEL KOHONEN
DALAM PENGELOMPOKAN
P
DATA PENCEM
CEMARAN
U
UDARA
PADA SEKTOR INDUSTR
STRI
DI SUMATERA UTARA
SKRIPSI
Diajukan untuk melengkapi
m
tugas dan memenuhi syarat untu
ntuk mencapai gelar
Sarjana Sains
NUR AISYIAH DARMAN ELI
110803071
DEPARTEMEN MATEMATIKA
FAKULTAS MA
ATEMATIKA DAN ILMU PENGETA
GETAHUAN ALAM
U
UNIVERSITAS
SUMATERA UTARA
RA
MEDAN
2015
Universitas Sumatera Utara
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Departemen
Fakultas
: Aplikasi Jaringan Syaraf Tiruan Model Kohonen
dalam Pengelompokan Data Pencemaran Udara
Sektor Industri di Sumatera Utara
: Skripsi
: Nur Aisyiah Darman Eli
: 110803071
: Sarjana (S1) Matematika
: Matematika
: Matematika Dan Ilmu Pengetahuan Alam
(FMIPA) Universitas Sumatera Utara
Disetujui di
Medan, Juli 2015
Komisi Pembimbing:
Pembimbing 2,
Pembimbing 1,
Drs. Henry Rani Sitepu, M.Si
NIP. 19530303 198303 1 002
Drs. Partano Siagian, M.Sc
NIP. 19511227 198003 1 001
Disetujui oleh
Departemen Matematika FMIPA USU
Ketua,
Prof. Dr. Tulus, M.Si
NIP. 196209011988031002
i
Universitas Sumatera Utara
PERNYATAAN
APLIKASI JARINGAN SYARAF TIRUAN MODEL KOHONEN DALAM
PENGELOMPOKAN DATA PENCEMARAN
UDARA PADA SEKTOR INDUSTRI
DI SUMATERA UTARA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri. Kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2015
Nur Aisyiah Darman Eli
110803071
ii
Universitas Sumatera Utara
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pemurah dan
Maha Penyayang, dengan limpahan karuniaNya penulis dapat menyelesaikan
penyusunan skripsi ini dengan judul Aplikasi Jaringan Syaraf Tiruan Model
Kohonen Dalam Pengelompokan Data Pencemaran Udara Sektor Industri di
Sumatera Utara.
Terima kasih penulis sampaikan kepada Bapak Drs. Partano Siagian, M.Sc
selaku Dosen pembimbing 1 dan Bapak Drs. Henry Rani Sitepu, M.Si selaku
Dosen pembimbing 2 yang telah meluangkan waktunya selama penulisan skripsi
ini. Terima kasih kepada dosen pembanding penulis Ibu Dra. Normalina
Napitupulu, M.Sc dan Bapak Drs. Marihat Situmorang, M.Kom atas kritik dan
saran yang membangun dalam penulisan skripsi penulis. Terima kasih kepada
Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan
Sekretaris Departemen Matematika FMIPA USU. Terima kasih kepada Bapak Dr.
Sutarman, M.Sc selaku Dekan FMIPA USU, Wakil Dekan FMIPA USU, seluruh
Staff dan Dosen Matematika FMIPA USU, pegawai FMIPA USU serta rekanrekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda tercinta Agustidarman,
Ibunda tercinta Eli Marni, serta saudara–saudara penulis yang tersayang Piramita
Darmonia, Poppy Apriani, Novia Asmalidar dan Marisa Novita serta keluarga dari
kedua orang tua yang selama ini memberikan bantuan dan dorongan yang
diperlukan. Semoga Allah SWT akan membalasnya.
iii
Universitas Sumatera Utara
APLIKASI JARINGAN SYARAF TIRUAN MODEL KOHONEN DALAM
PENGELOMPOKAN DATA PENCEMARAN
UDARA PADA SEKTOR INDUSTRI
DI SUMATERA UTARA
ABSTRAK
Pengelompokan dapat dilakukan dengan menggunakan metode statistika. Dalam
perkembangan teknologi, Artificial Intelligence dapat digunakan untuk
pengelompokan data yaitu Jaringan Syaraf Tiruan model Kohonen. Model
Kohonen merupakan salah satu model dari Jaringan Syaraf Tiruan yang banyak
dipakai dalam membagi pola masukan kedalam beberapa kelompok. Jaringan
kohonen ini termasuk dalam pembelajaran tak terawasi. Jaringan ini dapat
mengenali dan mengklasifikasikan pola-pola yang melakukan pelatihan dari
vektor input data dengan vektor bobot sebagai penghubung antara layar masukan
dan layar kompetisi dalam proses pelatihan. Dari proses pelatihan tersebut
terbentuk kelompok pola-pola yang dilatihkan. Pada penelitian dibahas
pengelompokan 10 jenis industri di Sumatera Utara berdasarkan hasil jenis
polutan yang terdiri dari
,
,
,
,
,
dan Total Susupended
Particulates (TSP). Kelompok data yang akan dibentuk dalam proses pelatihan
dimulai dari dua kelompok hingga sembilan kelompok. Pelatihan dilakukan
hingga didapatkan hasil kelompok yang konsisten dari epoch maksimum. Dari
proses pelatihan menggunakan software Matlab 7.8 diperoleh hasil kelompok
yang bisa terbentuk dari 8 kelompok yang dilatihkan yaitu dua kelompok, tiga
kelompok dan empat kelompok. Dua kelompok terbentuk dari hasil pelatihan
epoch 1000 dan 10000 yang menghasilkan anggota kelompok yang sama. Tiga
kelompok dan empat kelompok terbentuk dari hasil pelatihan epoch 8000 dan
10000 yang menghasilkan anggota kelompok yang konsisten.
Kata Kunci: Model Kohonen, Pengelompokan, Pencemaran Udara
iv
Universitas Sumatera Utara
APPLICATION OF KOHONEN NEURAL NETWORK MODEL IN THE
AIR POLLUTION DATA CLUSTERING INDUSTRIAL SECTOR IN
NORTH SUMATERA
ABSTRACT
Clustering can be done using statistical methods. The development of technology,
Artificial Itelligence can be used for clustering data is Kohonen Neural Network
models. Kohonen model is one of model Artificial Neural Network most frequent
used in dividing the input pattern into some cluster. Kohonen Neural Network is
included unsupervised learning. Kohonen Neural Network is able to recognize
and classify patterns of the training input vector data with the weighted vector
which connects between input layer and competition layer in training process. Of
the training process to form a group that trained. In this research explain or study
cluster in ten of industrial in North Sumatera based on kind of pollutant consist of
,
,
,
,
,
and Total Suspended Particulates (TSP). Group data
which is made in training process begin from two groups until nine groups.
Training is done until the results obtained are consistent group of maximum
epoch. Of the training process using Matlab 7.8 software obtained results which
can form a group of 8 trained groups is two group, three group, four group. Two
kelompok formed from the results of training epoch 1000 and 10000 which
resulted in members of the same group. Three and four group formed from the
relsults of training epoch 8000 and 10000 which producesa consistent member of
the group.
Keyword: Kohonen Model, Clustering, Air Pollution
v
Universitas Sumatera Utara
DAFTAR ISI
Halaman
i
ii
iii
iv
v
vi
viii
xi
xiii
PERSETUJUAN
PERNYATAAN
PENGHARGAAN
ABSTRAK
ABSTRACT
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
BAB 1 PENDAHULUAN
1.1 Latar Belakang
1.2 Perumusan Masalah
1.3 Batasan Masalah
1.4 Tinjauan Pustaka
1.5 Tujuan Penelitian
1.6 Manfaat Penelitian
1.7 Metodologi Penelitian
1
1
2
2
3
5
6
6
BAB 2 LANDASAN TEORI
2.1 Jaringan Syaraf Tiruan
2.1.1 Pemrosesan dalam Jaringan Syaraf Tiruan
2.1.2 Arsitektur Jaringan
2.1.3 Algoritma Umum Jaringan Syaraf Tiruan
2.1.4 Fungsi Aktivasi
2.1.5 Proses Pembelajaran
2.2 Model Kohonen
2.2.1 Arsitektur Jaringan Kohonen
2.2.2 Algoritma Jaringan Kohonen
2.3 Pencemaran Udara
2.3.1 Komponen
8
8
9
10
11
12
13
14
15
16
17
18
BAB3 HASIL DAN PEMBAHASAN
3.1 Pengumpulan Data
3.2 Pengolahan Data
21
21
21
BAB 4 KESIMPULAN DAN SARAN
4.1 Kesimpulan
4.2 Saran
32
32
32
DAFTAR PUSTAKA
LAMPIRAN
87
89
vi
Universitas Sumatera Utara
DAFTAR TABEL
Nomor
Judul
Halaman
Tabel
3.1
Data Pencemaran Udara Sektor Industri di Sumatera Utara
21
3.2
Hasil pelatihan dengan 1.000 epoch
26
3.3
Hasil pelatihan dengan 10.000 epoch
26
3.4
Hasil pelatihan dengan 8.000 epoch
27
3.5
Hasil pelatihan dengan 10.000 epoch
27
3.6
Hasil pelatihan dengan 8.000 epoch
27
3.7
Hasil pelatihan dengan 10.000 epoch
27
3.8
Hasil pelatihan dengan 8.000 epoch
28
3.9
Hasil pelatihan dengan 10.000 epoch
28
3.10
Hasil pelatihan dengan 8.000 epoch
28
3.11
Hasil pelatihan dengan 10.000 epoch
28
3.12
Hasil pelatihan dengan 8.000 epoch
29
3.13
Hasil pelatihan dengan 10.000 epoch
29
3.14
Hasil pelatihan dengan 8.000 epoch
29
3.15
Hasil pelatihan dengan 10.000 epoch
30
3.16
Hasil pelatihan dengan 8.000 epoch
30
3.17
Hasil pelatihan dengan 10.000 epoch
30
vii
Universitas Sumatera Utara
DAFTAR GAMBAR
Nomor
Judul
Halaman
1.1
Arsitektur jaringan kohonen
4
2.1
Jaringan dengan lapisan tunggal
10
2.2
Jaringan dengan banyak lapisan
11
2.3
Arsitektur jaringan self organizing
15
Gambar
viii
Universitas Sumatera Utara
DAFTAR LAMPIRAN
Nomor
Judul
Halaman
Lamp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Proses pelatihan dua kelompok 1000 epoch
Proses pelatihan dua kelompok 10000 epoch
Proses pelatihan tiga kelompok 8000 epoch
Proses pelatihan tiga kelompok 10000 epoch
Proses pelatihan empat kelompok 8000 epoch
Proses pelatihan empat kelompok 10000 epoch
Proses pelatihan lima kelompok 8000 epoch
Proses pelatihan lima kelompok 10000 epoch
Proses pelatihan enam kelompok 8000 epoch
Proses pelatihan enam kelompok 10000 epoch
Proses pelatihan tujuh kelompok 8000 epoch
Proses pelatihan tujuh kelompok 10000 epoch
Proses pelatihan delapan kelompok 8000 epoch
Proses pelatihan delapan kelompok 10000 epoch
Proses pelatihan sembilan kelompok 8000 epoch
Proses pelatihan sembilan kelompok 10000 epoch
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
ix
Universitas Sumatera Utara