tercapai.
Adapun
setiap
perolehan
error
akan
dikalkulasikan
untuk
setiap
pemrosesan
hingga
data atau nilai yang diinginkan telah tercapai.
2.4.4.2 Unsupervised Learning
Pada
metode
ini
tidak
menggunakan nilai
acuan
untuk
pemetaan
input
agar
dapat
dihasilkan target output yang diharapkan. Hal
ini dikarenakan sistem pada
metode
ini bergantung
sepenuhnya
pada
hasil
komputasi
disetiap
tahapan
pemrosesan
untuk
mendapatkan nilai
target
yang
dikehendaki.
Setiap
proses
pada
metode
ini
akan
mengkalkulasikan
setiap
langkah
pada
nilai bobot yang dikehendaki.
2.4.5
Metode Backpropagation
Algoritma
pelatihan
Backpropagasi (Back
Propagation)
atau
ada
yang
menterjemahkannya menjadi
propagasi
balik,
pertama
kali
dirumuskan
oleh
Werbos
dan
dipopulerkan oleh
Rumelt
dan
McClelland
untuk
dipakai
pada
jaringan
saraf
tiruan
dan
selanjutnya
algoritma
ini
biasa
disingkat
dengan
BP.
Algoritma
ini
termasuk
pelatihan
supervised dan didesain untuk operasi pada jaringan feedforward multi lapis.
Metode
BP
ini
banyak
diaplikasikan
secara
luas.
Sekitar
90%,
bahkan
lebih
BP
telah
berhasil diaplikasikan di berbagai bidang, diantaranya diterapkan di bidang
finansial, pengenalan
pola
tulisan
tangan,
pengenalan pola
suara,
sistem
kendali,
pengolahan citra
medika
dan
masih
banyak lagi keberhasilkan BP sebagai salah satu metode komputasi yang handal.
Algoritma
ini
juga
banyak
dipakai
pada
aplikasi
pengaturan karena
proses
pelatihannya
didasarkan
pada
hubungan
yang
sederhana,
yaitu
Jika
keluaran
memberikan
hasil
yang
salah,
maka
penimbang
(weight)
dikoreksi
supaya
error
nya
dapat
diperkecil
dan
respon
jaringan
 |