20
2.2.3. Neural Network Back Propagation
Menurut Fausett(1994, p.15),
pattern association adalah
bentuk
spesial
lain
dari
sebuah pemetaan
masalah, di
mana hasil
yang diinginkan bukanlah berupa ya atau tidak,
melainkan
merupakan sebuah pola. Neural Network Back Propagation merupakan
bagian dari Supervised training, di
mana pada training jenis
ini,
hasil
training didapatkan
dari
sebuah
urutan dari
beberapa vektor-vektor training
atau
pola,
masing-masing
dengan target output vektor yang juga berhubungan.
Neural
Network
Back
Propagation
membandingkan perhitungan
keluaran
jaringan saraf tiruan dengan target keluaran dan
menghitung
nilai error
untuk setiap
unit
pada
jaringan.
Jaringan
saraf
tiruan
menyesuaikan
bobot
pada
link
dengan
nilai
error
setiap
unit,
dimulai
dari
hubungan
antara
lapisan
tersembunyi dan
lapisan
keluaran
terakhir.
Setelah
jaringan
melakukan
pembaruan
bobot
pada
sejumlah
hubungan,
jaringan
menghitung
nilai error
untuk
lapisan sebelumnya dan
melakukan penyesuaian.
Algoritma
Neural
Network
Back
Propagation
diteruskan
dengan
menyesuaikan seluruh
bobot antara lapisan tersembunyi dan lapisan masukan
Proses
pelatihan
menggunakan Neural
Network
Back
Propagation
terdiri
dari
proses
feedforward,
backpropagation-error (perhitungan
error
propagasi
balik),
dan
update
weight
(pembaruan
nilai
bobot).
Satu
siklus
pembelajaran
melewati
tiga
tahap
tersebut,
disebut
dengan
1(satu)
epoch.
Semakin
banyak
pembelajaran yang
dilakukan
maka
akan
semakin
kecil
pula
tingkat
error
yang
dihasilkan
di
lapisan
keluaran,
dan
dengan demikian semakin kecil juga error suatu sistem.
Algoritma pelatihan Neural Network Back Propagation adalah sebagai berikut :
Langkah 0 :
Inisialisasi bobot
Langkah 1 :
Selama kondisi berhenti false, lakukan langkah 2-9
 |