26
dengan
nilai
bias
dan
bobot
antara
lapisan
tersembunyi
dengan
lapisan
keluaran
merupakan
nilai acak antara -0.5
dan
0.5
atau antara - y
dan
y
.
Variabel
n
adalah
banyak
unit
masukan,
variabel
p
adalah
banyak
unit
tersembunyi, dan
variabel
ß
adalah faktor skala.
4. Fungsi Aktivasi dalam Neural Network Back Propagation
Jangkauan fungsi
aktivasi
harus
sesuai
dengan
jangkauan nilai
target
dari
permasalahan
tertentu
(Fausett,
1994,
p309).
Fungsi
sigmoid
bipolar
berhubungan
dekat
dengan
fungsi
tangen
hiperbolik.
Oleh
karena
itulah
fungsi
ini
sering
digunakan
sebagai
fungsi
aktivasi
ketika
output
yang
diperlukan
memiliki
rentang
antara -1 sampai dengan 1 (Fausett, 1994, p19).
Fungsi sigmoid bipolar mempunyai rentang (-1,1) dan dirumuskan dengan :
f
(
x
)
=
2
-1
1+ exp(-
sx)
(2.29)
dengan fungsi turunannya sebagai berikut :
f
'(x)
=
s
[1+
2
f
(x)
][1-
f
(x)
]
(2.48)
dimana
s
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
 |