29
(2.4)
dengan fungsi turunannya sebagai berikut :
(2.5)
dimanas
merupakan parameter
kecuraman
yang
diketahui
nilainya.
Umumnya
nilai
s
dipilih
sama
dengan
1.
Proses
pelatihan
menggunakan fugnsi
sigmoid
biner
membutuhkan waktu
pembelajaran
lebih
lama
karena
fungsi
sigmoid
biner
tidak
dapat
memetakan
sinyal
masukan
negatif
dengan
tepat,
padahal
sinyal
bobot
pada
jaringan
bisa bernilai
negatif. Oleh sebab
itu, bila fungsi sigmoid biner menerima sinyal
masukan
yang
bernilai
negatif
maka
pola
yang
diterimanya
tidak
akan
bisa
dipelajari
sehingga
sinyal
yang
diterima
selalu
bernilai
positif
(hanya
mendekati
nilai
yang
dekat
dengan
angka
nol).
Pada
beberapa kasus,
terdapat
beberapa unit
yang
tidak
dapat
mempelajari
pola
masukan
yang
bernilai
nol
(Fausett,
1994,
p300).Hal
ini
telah
dibuktikan oleh
Laurene
Fausett
dalam
percobaannya
mengenai
permasalahan
XOR
pada
Tabel
2.1.Dengan fungsi
sigmoid
biner,
epoch
yang
dibutuhkan
dalam
jaringan
untuk
konvergensi sebanyak
3000,
sedangkan
dengan
fungsi
sigmoid
bipolar
proses
pembelajaran menjadi lebih cepat, yaitu hanya membutuhkan epoch sebanyak 387.
e. Lapisan Tersembunyi
Menurut
Fausett
(1994,
p320),
Sebuah
lapisan
tersembunyi
sudah
cukup
memadai
untuk
memecahkan
permasalahan yang
mengandung
perkiraan-
perkiraan.Namun, beberapa permasalahan lebih mudah utntuk dipecahkan menggunakan
 |