26
fanout
neuron-neuron yang
hanya
menerima
pola
input
masing
masing
elemen
dan
melewatkan masing-masing elemen secara
langsung ke semua jumlah
lapisan 2. Masing-
masing
neuron
di
lapisan
lain
menerima sinyal
yang
telah
diberi
bobot
dari
masing-
masing
neuron
lapisan
diatasnya.
Setelah
penjumlahan dan
operasi
dari
fungsi
aktifasi,
output disebarkan ke semua neuron dari lapusan atas sampai layer yang selanjutnya.
Sebuah
Neural
NetworksBackPropagationyang baik
membutuhkan
lebih
dari
sekedar
sebuah
algoritma
pembelajaran
(Yun,
2001).
Maka,
untuk
mendapatkan
performa Neural
Networks Backpropagation yang
baik,
ada
beberapa parameter seperti
epoch, kecepatan pembelajaran, lapisan tersembunyi dan
jumlah
unit
tersembunyi yang
harus
dipilih
secara
selektif
untuk
memperbaiki
kelemahan-kelemahan pada
Neural
NetworksBackpropagation, antara lain :
a. Epochs
Satu epoch berarti satu kali
siklus pembelajaran (Yun,
2001,
p17).Jumlah
epoch
menunjukkan
kecepatan
sistem.
Semakin
banyak
epoch
yang
dibutuhkan
dalam
mencapai target
error,
berarti
kerja
sistem
akan
semakin
lama,
begitu
pula
sebaliknya.
Pemberian
batas
epoch
yang
besar
berarti
meningkatkan akurasi
arsitektur,
namun
membutuhkan waktu pembelajaran yang lebih lama.Begitu pula sebaliknya.
b. Kecepatan Pembelajaran
Kecepatan
pembelajaran (learning rate)
digunakan
untuk
mengontrol perubahan
nilai bobot, dengan nilai koefisien berkisar antara 0
dan 1.
Semakin
tinggi
nilai
kecepatan
pembelajaran
yang
digunakan
akan
menyebabkan
perubahan
yang
semakin
besar
pada
bobot,
sehingga
pembelajaran menjadi
kurang
baik.
Sedangkan,
dengan
tingkat
kecepatan
pembelajaran
yang
rendah
akan
menghasilkan pembelajaran
yang
akurat
namun prosesnya
menjadi sangat
lambat
(Sarle, 2004).
Kecepatan pembelajaran
 |