23
maju (forward propagation) harus dikerjakan terlebih dahulu. Pada saat perambatan
maju, neuron-neuron diaktifkan dengan menggunakan fungsi aktivasi yang dapat
dideferensiasikan, seperti sigmoid (Fausett, 1994).
Algoritma Backpropagation (Fausett, 1994)
1)Inisialisasi bobot (ambil bobot awal dengan nilai random yang cukup kecil).
2)Tetapkan: Maksimum Epoch, Target Error, dan Learning Rate (a).
3)Inisialisasi: Epoch = 0.
4)Selama (Epoch
< Maksimum Epoch) dan (MSE (Mean Squared Error) < Target
Error), kerjakan langkah-langkah berikut.
a)Epoch = Epoch + 1
b)Untuk tiap-tiap pasangan elemen yang akan dilakukan pembelajaran, kerjakan:
Feedforward
1.
Tiap-tiap unit input (X
i
, i = 1, 2, 3, …, n) menerima sinyal x
i
dan meneruskan
sinyal tersebut ke semua unit pada lapisan yang ada di atasnya (lapisan
tersembunyi).
2.
Tiap-tiap unit pada suatu lapisan tersembunyi (Z
i
, j = 1, 2, 3, …, p)
menjumlahkan sinyal-sinyal input terbobot:
z_in
j
= b
1j
+
n
i
1
x
i
v
ij
Gunakan fungsi aktivasi untuk menghitung sinyal outputnya:z
j
= f(z_in
j
)
dan
kirimkan sinyal tersebut ke semua unit di lapisan atasnya (unit-unit output).
Langkah ini dilakukan sebanyak jumlah lapisan tersembunyi.
 |