27
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 2.2. 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.
5. 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
sebuah
jaringan
dengan
dua
atau
tiga
lapisan
tersembunyi, namun
hal
ini
dapat
mempengaruhi kecepatan pembelajaran menjadi lebih lambat.
Tanpa
adanya
lapisan
tersembunyi, hasil
dapat
diperoleh
dengan
cepat.
Namun
hasilnya tidak optimal karena
jangkauan dari error
sistem
tidak dekat (data
masuk
ke
Network
Back
Propagation
tanpa
melalui
“rintangan”, dan
langsung
menghasilkan nilai
keluaran).
Sedangkan
penggunaan
lapisan
tersembunyi
yang
terlalu
banyak
dapat
menurunkan performa
dari
Network
Back
Propagation
itu
sendiri,
karena
adanya
pemetaan rangkaian yang
terlalu
kompleks
serta
prosedur
pembelajaran yang terlalu subjektif.
6. Unit Tersembunyi
Jumlah
unit
tersembunyi
yang
diperlukan berhubungan dengan kompleksitas
tugas
Network
Back
Propagation
yang
akan
dikerjakan
untuk
menjalankan tugas
secara
maksimal. Sebuah Network
Back
Propagation
dengan
unit
tersembunyi yang
terlalu sedikit akan
memiliki
tingkat error
pembelajaran dan error
klasifikasi
yang
 |