BackpropagatTion
Pengertian Backpropagation
merupakan sebuah metode sistematik pada jaringan saraf tiruan dengan
menggunakan algoritma pembelajaran yang terawasi dan biasanya digunakan oleh
perceptron dengan banyak layar lapisan untuk mengubah bobot-bobot yang ada pada
lapisan tersembunyinya. Backpropagation
adalah pelatihan jenis terkontrol dimana menggunakan pola penyesuaian bobot
untuk mencapai nilai kesalahan yang minimum antara keluaran hasil prediksi
dengan keluaran yang nyata. (F.Suhandi, 2009)
Metode
Backpropagation
Perambatan galat mundur (Backpropagation) adalah sebuah
metode sistematik untuk pelatihan
multiplayer jaringan saraf tiruan. Metode ini memiliki dasar matematis yang kuat, obyektif dan algoritma ini
mendapatkan bentuk persamaan dan nilai koefisien dalam formula dengan
meminimalkan jumlah kuadrat galat error melalui model yang dikembangkan
(training set).
1.
Dimulai
dengan lapisan masukan, hitung keluaran dari setiap elemen pemroses melalui
lapisan luar.
2.
Hitung
kesalahan pada lapisan luar yang merupakan selisih antara data aktual dan target.
3.
Transformasikan
kesalahan tersebut pada kesalahan yang sesuai di sisi masukan elemen pemroses.
4.
Propagasi
balik kesalahan-kesalahan ini pada keluaran setiap elemen pemroses ke kesalahan
yang terdapat pada masukan. Ulangi proses ini sampai masukan tercapai.
5.
Ubah
seluruh bobot dengan menggunakan kesalahan pada sisi masukan elemen dan luaran
elemen pemroses yang terhubung.
Gambar
diatas merupakan layar utama dari backpropagation.
Dari layar tersebut terlihat ada 4 (empat) manu utama,
antara lain Network, Sample, Grafik, dan
Reset Bobot.
Ø Network è menu ini berfungsi sebagai pengontrolan file
jaringan. Network mempunyai submenu, antara lain :
-
Load :
untuk pemanggilan file.
-
Save :
untuk menyimpanan file.
-
New :
untuk membuat file baru.
-
Exit : untuk
mengakhiri aktifasi.
Ø Sample è menu ini berisi fungsi-fungsi yang berkaitan
dengan file utama, submenu yang terdapat ni menu sample antara lain :
-
Open : untuk membuka/memanggil file yang kita
inginkan.
-
Refresh :
untuk me-refresh file.
Ø Grafik è menu ini berfungsi untuk membuka tampilan
grafik fungsi kesalahan.
Ø Reset Bobot è menu ini berfungsi untuk mengembalikan nilai
bobot dan bias jaringan ke nilai awalnya.
Adapula menu-menu yang berada di bawah menu utama, antara
lain Jaringan, Bobot dan Bias, Sample,
Neuron, Belajar dan Delta Bobot_Bias.
¨
Jaringan
Pada menu jaringan
terdapat Fungsi Output Neuron yang
terdiri dari Hidden Layer (neuron
tersembunyi) dan Output Layer (neuron output) yang digunakan untuk pengembangan
lebih lanjut dari aplikasi ini. Data
Control berfungsi sebagai tombol-tombol yang digunakan untuk mengontrol
data. Pada baris OUT1 dan OUT2 kolom Sample berisi nilai ideal, sedangkan baris OUT1 dan OUT2 kolom NN(Neuronal Network) berisi hasil
penilaian jaringan.
¨
Bobot
dan Bias
Pada menu Bobot
dan Bias berisi nilai-nilai bobot dan bias jaringan. Matikan Neuron berfungsi untuk menolkan nilai bobot dan bias. Kunci Neuron berfungsi untuk mematok
parameter neuron pada nilai aktual. Buka
Kunci Neuron berfungsi untuk membuka kunci yang dipakai melalui
tombol-tombol kunci pada neuron. Set
Sebagai Nilai Awal berfungsi untuk menyimpan nilai-nilai aktual parameter
jaringan ke memori, agar dapat dipanggil jika diperlukan. Reset Ke Nilai Awal berfungsi untuk memanggil kembali nilai-nilai
tersebut. Reset Ke Nol berfungsi
membuat seluruh nilai bobot dan bias jaringan menjadi nol. Acak Nilai Bobot berfungsi untuk mengisi nilai bobot dan bias
dengan bilangan random pada interval yang ditentukan.
¨
Sample
Pada menu Sample ini,
pengguna dapat memodifikasi data, termasuk flag data aktif yang berada di dalam
kolom ‘aktif’.
¨
Neuron
Pada menu Neuron ini
user hanya melihat suatu tampilan untuk memantau nilai input, output dan
sensitivitas pada neuron-neuron jaringan.
¨
Belajar
Pada menu Belajar ini,
user dapat mengendalikan dan mengatur nilai parameter-perameter belajar
jaringan yang terdiri Laju Belajar(Learn
Rate), Stroping Criteria Error, Jumlah Step dan Momentum. #Epoch
menunjukkan jumlah langkah belajar yang telah dijalani oleh jaringan.
¨
Delta
Bobot_Bias
Pada menu Delta
Bobot_Bias ini, menampilkan perubahan nilai bobot yang akan terjadi jika
proses belajar dijalankan satu kali. Delta
bobot adalah perubahan nilai bobot untuk record sample aktual. Delta Bobot Total adalah total perubahan
nilai bobot untuk seluruh record aktif dari file sample.
Multi step
Grafik Multi step
















