22
mengalami penyesuaian melalui suatu proses perhitungan
matematik agar tercapai
nilai
bobot yang sesuai.
b.
Input, Hidden, dan Output Layer
Input layer
merupakan layer tempat sebuah input dimasukkan (inisialisasi input),
dan layer
ini dilakukan proses-proses selanjutnya. Menurut Michell
(1997) hidden layer
berfungsi
untuk
membantu proses. Semakin banyak hidden layer yang digunakan, maka
semakin
bagus
dan
semakin
cepat
pula
output
yang
diinginkan
didapat.
Akan
tetapi
waktu training akan berlangsung semakin lama.
Output
layer
adalah
layer
yang
menampung hasil
proses
dari
suatu
neural
network.
Forward
propagation
bertujuan
untuk
menentukan output
dari
suatu
node.
output
yang
dimaksud
disini
adalah
output
dari
output
layer.
Karena
masing-masing
node tersebut memiliki output.
c. Training
Proses belajar suatu neural network terdiri dari proses Forward,
Backward, dan
Update
Weight,
sekali
melewati 3
tahap
itu
disebut
dengan
1
kali
training
(1
cycle).
Semakin
banyak
training
yang
dilakukan
maka
akan
semakin
kecil
pula
tingkat
error
yang
dihasilkan
di
output
layer-nya.
Dengan
demikian
semakin
kecil
juga
error
suatu
sistem.
Menurut Rao (1995), ada dua metode Learning dalam neural network, yaitu :
1. Supervised Learning
adalah suatu
metode dimana neural
network
belajar dari
pasangan data input dan target, pasangan
ini disebut training pair.
Biasanya jaringan
dilatih
dengan
sejumlah training
pair,
dimana
suatu
input
vektor
di
aplikasikan,
menghasilkan
nilai
di
output,
lalu
hasil
pada
output
tersebut
akan
dibandingkan
 |