Backpropagation
-
Upload
oksendi-vitra-sihombing -
Category
Documents
-
view
36 -
download
1
description
Transcript of Backpropagation
2
BackpropagationPengertian Backpropagation merupakan sebuah metode sistematik pada jaringan
saraf tiruan dengan menggunakan algoritma pembelajaran yang terawasi dan biasanya
digunakan oleh perceptron dengan banyak layar lapisan untuk mengubah bobot-bobot
yang ada pada lapisan tersembunyinya. Backpropagation adalah pelatihan jenis terkontrol
dimana menggunakan pola penyesuaian bobot untuk mencapai nilai kesalahan yang
minimum antara keluaran hasil prediksi dengan keluaran yang nyata. (F.Suhandi, 2009)
Metode Backpropagation
Perambatan galat mundur (Backpropagation) adalah sebuah metode sistematik
untuk pelatihan multiplayer jaringan saraf tiruan. Metode ini memiliki dasar matematis
yang kuat, obyektif dan algoritma ini mendapatkan bentuk persamaan dan nilai koefisien
dalam formula dengan meminimalkan jumlah kuadrat galat error melalui model yang
dikembangkan (training set).
1. Dimulai dengan lapisan masukan, hitung keluaran dari setiap elemen pemroses
melalui lapisan luar.
2. Hitung kesalahan pada lapisan luar yang merupakan selisih antara data aktual dan
target.
3. Transformasikan kesalahan tersebut pada kesalahan yang sesuai di sisi masukan
elemen pemroses.
4. Propagasi balik kesalahan-kesalahan ini pada keluaran setiap elemen pemroses ke
kesalahan yang terdapat pada masukan. Ulangi proses ini sampai masukan tercapai.
5. Ubah seluruh bobot dengan menggunakan kesalahan pada sisi masukan elemen dan
luaran elemen pemroses yang terhubung.
2
Gambar diatas merupakan layar utama dari backpropagation.
Dari layar tersebut terlihat ada 4 (empat) manu utama, antara lain Network, Sample, Grafik,
dan Reset Bobot.
Network menu ini berfungsi sebagai pengontrolan file jaringan. Network
mempunyai submenu, antara lain :
- Load : untuk pemanggilan file.
- Save : untuk menyimpanan file.
- New : untuk membuat file baru.
- Exit : untuk mengakhiri aktifasi.
Sample menu ini berisi fungsi-fungsi yang berkaitan dengan file utama,
submenu yang terdapat ni menu sample antara lain :
- Open : untuk membuka/memanggil file yang kita inginkan.
2
- Refresh : untuk me-refresh file.
Grafik menu ini berfungsi untuk membuka tampilan grafik fungsi
kesalahan.
Reset Bobot menu ini berfungsi untuk mengembalikan nilai bobot dan bias
jaringan ke nilai awalnya.
Adapula menu-menu yang berada di bawah menu utama, antara lain Jaringan, Bobot dan
Bias, Sample, Neuron, Belajar dan Delta Bobot_Bias.
Jaringan
Pada menu jaringan terdapat Fungsi Output Neuron yang terdiri dari Hidden Layer
(neuron tersembunyi) dan Output Layer (neuron output) yang digunakan untuk
pengembangan lebih lanjut dari aplikasi ini. Data Control berfungsi sebagai tombol-
tombol yang digunakan untuk mengontrol data. Pada baris OUT1 dan OUT2 kolom
Sample berisi nilai ideal, sedangkan baris OUT1 dan OUT2 kolom NN(Neuronal
Network) berisi hasil penilaian jaringan.
Bobot dan Bias
Pada menu Bobot dan Bias berisi nilai-nilai bobot dan bias jaringan. Matikan
Neuron berfungsi untuk menolkan nilai bobot dan bias. Kunci Neuron berfungsi
untuk mematok parameter neuron pada nilai aktual. Buka Kunci Neuron berfungsi
untuk membuka kunci yang dipakai melalui tombol-tombol kunci pada neuron. Set
Sebagai Nilai Awal berfungsi untuk menyimpan nilai-nilai aktual parameter jaringan
ke memori, agar dapat dipanggil jika diperlukan. Reset Ke Nilai Awal berfungsi untuk
memanggil kembali nilai-nilai tersebut. Reset Ke Nol berfungsi membuat seluruh
nilai bobot dan bias jaringan menjadi nol. Acak Nilai Bobot berfungsi untuk mengisi
nilai bobot dan bias dengan bilangan random pada interval yang ditentukan.
2
Sample
Pada menu Sample ini, pengguna dapat memodifikasi data, termasuk flag data aktif
yang berada di dalam kolom ‘aktif’.
Neuron
Pada menu Neuron ini user hanya melihat suatu tampilan untuk memantau nilai
input, output dan sensitivitas pada neuron-neuron jaringan.
Belajar
Pada menu Belajar ini, user dapat mengendalikan dan mengatur nilai parameter-
perameter belajar jaringan yang terdiri Laju Belajar(Learn Rate), Stroping Criteria
Error, Jumlah Step dan Momentum. #Epoch menunjukkan jumlah langkah belajar
yang telah dijalani oleh jaringan.
Delta Bobot_Bias
Pada menu Delta Bobot_Bias ini, menampilkan perubahan nilai bobot yang akan
terjadi jika proses belajar dijalankan satu kali. Delta bobot adalah perubahan nilai
bobot untuk record sample aktual. Delta Bobot Total adalah total perubahan nilai
bobot untuk seluruh record aktif dari file sample.