26
mengenali
sesuai
dengan
apa yang
diharapkan,
setelah
melalui
proses pelatihan
terlebih dahulu.
2.6. Metode Backpropagation
Backpropagation merupakan algoritma pembelajaran yang terawasi dan biasanya
digunakan
oleh
perceptron
dengan
banyak
lapisan
untuk
mengubah
bobot-bobot
yang
terhubung
dengan
neuron-neuron
yang
ada
pada
lapisan
tersembunyinya. Algoritma
backpropagation
menggunakan error
output
untuk
mengubah
nilai
bobot-bobotnya
dalam arah
mundur (backward).
Untuk
mendapatkan error
ini,
tahap
perambatan
maju
(feedfoward) harus dikerjakan terlebih dahulu.
Inti
dari
Backpropagation
adalah
untuk
mencari error
suatu
node.
Dari
hasil
forward
phase
akan
dihasilkan suatu
output,
dari
output
tersebut,
pastilah
tidak
sesuai
dengan
target
yang
diinginkan.
Perbandingan kesalahan
dari
target
yang
diinginkan
dengan output yang dihasilkan disebut dengan error.
Menurut
Haykin
(1999)
Backpropagation
merupakan suatu
teknik
untuk
meminimalisasi gradient
pada
dimensi
weight
dalam
jaringan
saraf tiruan
lapis
banyak
(multi
layer
neural
network),
proses
pelatihan
akan
dilakukan
berulang-ulang
sampai
nilai error lebih kecil dari yang ditentukan.
Dalam
proses
pelatihan
jaringan
Backpropagation
ini,
digunakan fungsi
nilai
ambang
batas
binary
sigmoid.
Menurut
Fausett
(1994)
sebelum
melakukan proses
pelatihan, terdapat beberapa parameter jaringan yang harus ditentukan dahulu, yaitu :
1.
Tingkat
pelatihan
(Learning
rate)
yang
dilambangkan dengan
parameter,
harus
diberikan
dan
mempunyai nilai
positif
kurang
dari
satu.
Semakin
tinggi
nilainya,
maka semakin cepat kemampuan jaringan
untuk belajar. Akan tetapi
hal
ini kurang
 |