3 Algoritma JST Backpropagation
Algoritma JST Backpropagation
Arsitektur JST Backpropagation
p p g
Contoh Arsitekstur JST Backpropagation dengan:
y n unit masukkan
y p unit layer tersembunyi
y m unit masukkan
1
1
V10
Vp0
X1
W20
V20
Wm0
Z1
V11
Y1
W11
W21
V21
Vp1
W10
Wm1
V12
X2
W12
Z2
V22
V1n
W1p
W2p
V2m
Layer Masukkan
Y2
Wm2
Vm2
Xn
W22
Vpn
Zp
Layer tersembunyi
Wmp
Ym
Layer Keluaran
Fungsi Aktifasi
Fungsi
g aktifasi yyangg digunakan
g
ppada backpropagation
p pg
yyaitu sigmoid
g
biner
dan sigmoid bipolar
Fungsi Aktifasi
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
Algoritma Pelatihan Backpropagation dengan satu layer tersembunyi dan
dengan menggunakan fungsi aktivasi sigmoid biner
1
X1
1
Vp0
V11
V20
V10
W20 W10
Z1
Vp1 V21
X2
V12
Z2
V22
Vm2
V1n
Xn
V2m
Vpn
Zp
Wm0
W11
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
Y1
Y2
Ym
y Langkah 0 : Inisialisasi semua bobot dengan bilangan acak kecil.
y Langkah
L
k h 1 : Jika
Jik kondisi
k di i penghentian
h i belum
b l terpenuhi,
hi lakukan
lk k
langkah 2 sampai dengan 8.
y Langkah
g
2: Untuk setiapp ppasangg data ppelatihan,, lakukan langkah
g 3
sampai dengan 8
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
1
X1
1
Vp0
V
V11
V20
V10
W20 W1
Z1
Vp1 V21
X2
Xn
V12
Z2
V22
Vm2
V1n
V2m
Vpn
Zp
Wm0
W11
0
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
Fase I: Propagasi Maju
y
Langkah 3
Tiap unit masukkan menerima sinyal dan meneruskan ke unit tersembunyi
y
Langkah 4
Hitung semua keluaran di unit tersembunyi (Zj):
Y1
Y2
Ym
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
1
X1
1
Vp0
V
V11
V20
V10
W20 W1
Z1
Vp1 V21
X2
Xn
V12
Z2
V22
Vm2
V1n
V2m
Vpn
Zp
Wm0
W11
0
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
y Langkah
L
k h5
Hitung semua jaringan di unit keluaran (yk)
Y1
Y2
Ym
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
1
X1
1
Vp0
V
V11
V20
V10
W20 W1
Z1
Vp1 V21
X2
Xn
V12
Z2
V22
Vm2
V1n
V2m
Vpn
Zp
Wm0
W11
0
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
Y1
Y2
Ym
Fase II : Propagasi
p g Maju
j
y Langkah 6
Hitung factor δ unit keluaran berdasarkan kesalahan setiap unit keluaran yk (k=1,2,3….)
δk=(tk-yyk) f ’(y
(y_net
netk)= (tk-yyk) yk (1-y
(1 yk)
δk meruapakan unit kesalahan yang akan dipakai dalam perubahan bobot layer dibawahnya (lankah 7)
Hitung suku perubahan bobot Wkj dengan laju perubahan α
∆wkj= α δk zj
; k=1,2,3,…,m ; j=0,1,2,…,p
Algoritma Pelatihan Backpropagation
1
1
Vp0
V11
X1
V20
V10
Z1
Vp1 V21
X2
V12
Z2
V22
Vm2
V1n
1
Xn
V2m
Vpn
Zp
W20 W1
Wm0
0
W11
W2
Wm1
1
W12
W
Wm2 22
W1p
1
W2p
Wmp
y Langkah 7
Hitungg factor δ unit tersembunyi
y berdasarkan kesalahan di setiapp unit tersembunyi
y zj (j=1,2,3,…,p)
j
p
Faktor unit tersembunyi
δj = δ_netj f ’(z_netj)= δ_netj zj (1-zz)
Hitung suku perubahan bobot vji
∆vji=α δjxi
; j=1,2,…,p ; i=0,1,2,…,n
Y1
Y2
Ym
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
1
X1
1
Vp0
V
V11
V20
V10
W20 W1
Z1
Vp1 V21
X2
V12
Z2
V22
Vm2
V1n
Xn
V2m
Vpn
Zp
Wm0
W11
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
Fase III : Perubahan Bobot
y Langkah 8
Perubahan bobot garis yang menuju unit keluaran
wkj (baru)= wkj (lama) + ∆wkj
Perubahan bobot garis yang menuju ke unit tersembunyi
Vji (baru)= vji (lama) + ∆vji
0
Y1
Y2
Ym
Laju Pemahaman
y Laju pemahaman di simbolkan dengan α
y Laju pemahaman menentukan lama iterasi
y Nilai dari α diantara 0 sd 1
y Semakin besar nilai α semakin cepat lama iterasi
y Akan tetapi jika terlalu besar akan merusak pola,
sehingga
hi
jjustru
t akan
k llebih
bih lama
l
iterasinya
it
i
Epoch
y Epoch yaitu satu siklus pelatihan yang melibatkan semua pola
y Misal jika suatu arsitektur JST terdapat 4 pola masukkan dan
1 target, maka pelatihan 4 pola masukkan tersebut adalah 1
epoch
Arsitektur JST Backpropagation
p p g
Contoh Arsitekstur JST Backpropagation dengan:
y n unit masukkan
y p unit layer tersembunyi
y m unit masukkan
1
1
V10
Vp0
X1
W20
V20
Wm0
Z1
V11
Y1
W11
W21
V21
Vp1
W10
Wm1
V12
X2
W12
Z2
V22
V1n
W1p
W2p
V2m
Layer Masukkan
Y2
Wm2
Vm2
Xn
W22
Vpn
Zp
Layer tersembunyi
Wmp
Ym
Layer Keluaran
Fungsi Aktifasi
Fungsi
g aktifasi yyangg digunakan
g
ppada backpropagation
p pg
yyaitu sigmoid
g
biner
dan sigmoid bipolar
Fungsi Aktifasi
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
Algoritma Pelatihan Backpropagation dengan satu layer tersembunyi dan
dengan menggunakan fungsi aktivasi sigmoid biner
1
X1
1
Vp0
V11
V20
V10
W20 W10
Z1
Vp1 V21
X2
V12
Z2
V22
Vm2
V1n
Xn
V2m
Vpn
Zp
Wm0
W11
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
Y1
Y2
Ym
y Langkah 0 : Inisialisasi semua bobot dengan bilangan acak kecil.
y Langkah
L
k h 1 : Jika
Jik kondisi
k di i penghentian
h i belum
b l terpenuhi,
hi lakukan
lk k
langkah 2 sampai dengan 8.
y Langkah
g
2: Untuk setiapp ppasangg data ppelatihan,, lakukan langkah
g 3
sampai dengan 8
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
1
X1
1
Vp0
V
V11
V20
V10
W20 W1
Z1
Vp1 V21
X2
Xn
V12
Z2
V22
Vm2
V1n
V2m
Vpn
Zp
Wm0
W11
0
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
Fase I: Propagasi Maju
y
Langkah 3
Tiap unit masukkan menerima sinyal dan meneruskan ke unit tersembunyi
y
Langkah 4
Hitung semua keluaran di unit tersembunyi (Zj):
Y1
Y2
Ym
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
1
X1
1
Vp0
V
V11
V20
V10
W20 W1
Z1
Vp1 V21
X2
Xn
V12
Z2
V22
Vm2
V1n
V2m
Vpn
Zp
Wm0
W11
0
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
y Langkah
L
k h5
Hitung semua jaringan di unit keluaran (yk)
Y1
Y2
Ym
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
1
X1
1
Vp0
V
V11
V20
V10
W20 W1
Z1
Vp1 V21
X2
Xn
V12
Z2
V22
Vm2
V1n
V2m
Vpn
Zp
Wm0
W11
0
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
Y1
Y2
Ym
Fase II : Propagasi
p g Maju
j
y Langkah 6
Hitung factor δ unit keluaran berdasarkan kesalahan setiap unit keluaran yk (k=1,2,3….)
δk=(tk-yyk) f ’(y
(y_net
netk)= (tk-yyk) yk (1-y
(1 yk)
δk meruapakan unit kesalahan yang akan dipakai dalam perubahan bobot layer dibawahnya (lankah 7)
Hitung suku perubahan bobot Wkj dengan laju perubahan α
∆wkj= α δk zj
; k=1,2,3,…,m ; j=0,1,2,…,p
Algoritma Pelatihan Backpropagation
1
1
Vp0
V11
X1
V20
V10
Z1
Vp1 V21
X2
V12
Z2
V22
Vm2
V1n
1
Xn
V2m
Vpn
Zp
W20 W1
Wm0
0
W11
W2
Wm1
1
W12
W
Wm2 22
W1p
1
W2p
Wmp
y Langkah 7
Hitungg factor δ unit tersembunyi
y berdasarkan kesalahan di setiapp unit tersembunyi
y zj (j=1,2,3,…,p)
j
p
Faktor unit tersembunyi
δj = δ_netj f ’(z_netj)= δ_netj zj (1-zz)
Hitung suku perubahan bobot vji
∆vji=α δjxi
; j=1,2,…,p ; i=0,1,2,…,n
Y1
Y2
Ym
Alg it
Algoritma
P l tih Backpropagation
Pelatihan
B k
g ti
1
X1
1
Vp0
V
V11
V20
V10
W20 W1
Z1
Vp1 V21
X2
V12
Z2
V22
Vm2
V1n
Xn
V2m
Vpn
Zp
Wm0
W11
W2
Wm1
1
W12
W22
Wm2
W1p
W2p
Wmp
Fase III : Perubahan Bobot
y Langkah 8
Perubahan bobot garis yang menuju unit keluaran
wkj (baru)= wkj (lama) + ∆wkj
Perubahan bobot garis yang menuju ke unit tersembunyi
Vji (baru)= vji (lama) + ∆vji
0
Y1
Y2
Ym
Laju Pemahaman
y Laju pemahaman di simbolkan dengan α
y Laju pemahaman menentukan lama iterasi
y Nilai dari α diantara 0 sd 1
y Semakin besar nilai α semakin cepat lama iterasi
y Akan tetapi jika terlalu besar akan merusak pola,
sehingga
hi
jjustru
t akan
k llebih
bih lama
l
iterasinya
it
i
Epoch
y Epoch yaitu satu siklus pelatihan yang melibatkan semua pola
y Misal jika suatu arsitektur JST terdapat 4 pola masukkan dan
1 target, maka pelatihan 4 pola masukkan tersebut adalah 1
epoch