18
dihasiika,"l
jaringan
digunakan
;::erkembangan jaringan.
2. Tekrillc Belajar
Tet1)acldu(Supervised Learning)
Teknik
belaja;:
di mana
tv su.kan
(input) dan
cata yang
Data
ma;ukan
selarJutnya
diperhitungkan
da11 dihasi!kan
suatu
basil perhitungan. Perbedaan
antara
hasi!
perbitungan
denga.fl
diharapkan digwtakan
U!ltuk
menghitll.tlg
bobct. Bobot
inilah yang digunalca,11
untuk perhitunga.'1 selaPJutnya.
3. Teknik Belajar Tak Terp<mdiu (Unsupervised Learning)
Teknik be!ajar
sering disebut seif-organizing. Dalarn teknik bela).r
terdapat
lebih banyak
interaksi
antar ne11ron,
met!ghasi!kan suatu
hasil
bali!Glcn
lfeedback)
da.'1
adanya
hubunga.'l antar
lap11san
antara
neuron
ll
II
if
j:
satu
dengan neuron lara.
"
ii
Jaringan
propaglY.>i baiik
digunakan
dalam
penelitiar, rru
ii
rr:.e!lggunakan te!L'1ilc oe.U:IJ<ir
terpandu.
2.3
(Back Proyagation)
Algoritma
pelatihan
jaringan
pmpagasi h<Jik lli'ltuk
pelatihan
jaringan
feedforvHud
dike:nbangkan
Paul Werbos kemudian dilanjutkan
o!eh Parker
dan
dan
(I'o
&
Rao,
1995).
Model
jariP_gz.n
ini
m<ruj:lak:an
model JST
yang paling bany<Llc
dipergu:1akan karena proses
pelatihan
pula
bahwa
sekitar
80% proyek
yang
ada
dengan
Jaringar,
Propagasi Balik Pada pelatihan
jaringan
 |