31
p >2n
(2.66)
dimanap
adalah
jumlah
unit
tersembunyi dan
n
adalah
jumlah
unit
masukan.Menurut
Garson
(Garson,
1998,
p86),
untuk
menghitung banyak
unit
tersembunyioptimal dapat menggunakan metode yang dirumuskan sebagai berikut :
(2.7)
dimanah adalah jumlah
unit tersembunyi, i adalah jumlah unit masukan, o adalah jumlah
unit
keluaran, n
adalah
batas
epoch,
dan
r
adalah
tingkat
noise
dari
data
yang
akan
melakukan
proses
pembelajaran
(biasanya
antara
5
dan
10).
Pedoman-pedoman
yang
ada
tidak
sepenuhnya
dapat
dipercaya.Oleh karena
itu,
percobaan
terhadap
berbagai
macam unit tersembunyi tetap perlu dilakukan.
g. Lama Pembelajaran
Semasa
melakukan
proses
pembelajaran, perlu
diperhatikan agar
proses
yang
berlangsung tidak
melebihi
tahap
kebenaran
data
yang
diinginkan
(overfitting/overtrained)
sehingga
menyebabkan error
menjadi
lebih
besar daripada
yang diharapkan (Cohen dan
Jensen,
1996,
p1).
Selama error
pada tahap pembelajaran,
maka proses
pembelajaran akan tetap dilanjutkan. Ketika error
mulai
meningkat, berarti
sistem
mulai
kehilangan
kemampuannya
untuk
mengklasifikasi.Maka pada
titik
ini,
pembelajaran harus
dihentikan.Error yang
ditemui
pada
tahap
pembelajaran
dikategorikan dalam dua kondisi
yaitu
global minima
yang
merupakan kondisi terendah,
dan local minima adalah kondisi error yang bukan merupakan error terendah.
Proses
pembelajaran
dengan
NetworkBackpropagationdimulai
dan
dilakukan
terus
menerus dengan tujuan
memperoleh error
minimum. Hanya ada satu
lembah
yang
memberikan
penyelesaian
permasalahan/error
terkecil,
yaitu
globalminima,
yang
 |