Program Backpropagation

Bagian 1
DISAIN PROGRAM


1.1 Perancangan Jaringan Syaraf Buatan
Jaringan Syaraf Buatan yang dibuat dalam program aplikasi di sini dirancang dengan struktur sebagai berikut :
a. Terdiri atas tiga lapisan neuron, yaitu lapisan input (input layer), satu lapisan tersembunyi (hidden layer), dan lapisan output (output layer).
b. Lapisan input terdiri atas lima neuron. Kelima neuron ini menjadi penghubung antara jaringan dengan lingkungannya dan tidak melakukan perubahan apapun terhadap data atau sinyal yang diperolehnya. Setiap neuron pada lapisan input ini diberi nomor urut 1 hingga 5.
c. Lapisan tersembunyi terdiri atas sepuluh buah neuron. Setiap neuron diberi nomor urut 6 hingga 15. Setiap neuron pada lapisan ini menerima sinyal aktivasi berupa akumulasi perkalian antara hasil keluaran neuron-neuron pada lapisan sebelumnya (lapisan input) dengan bobot, yang dikoreksi dengan nilai bias, seperti pada persamaan 2.1.
Keluaran dari setiap neuron pada lapisan ini merupakan fungsi dari sinyal aktivasi, dimana pada aplikasi ini digunakan fungsi sigmoid seperti pada persamaan 2.2.
d. Lapisan output terdiri atas dua buah neuron, yang berkarakteristik sama dengan neuron-neuron pada lapisan tersembunyi, kecuali pada sumber sinyal masukannya. Neuron pada lapisan ini mendapat masukan berupa sinyal dari neuron-neuron pada lapisan sebelumnya (lapisan tersembunyi).
e. Nilai awal bobot dan bias ditentukan melalui proses randomisasi dalam interval bilangan yang batas-batasnya bisa diset sebelumnya.

1.2. Algoritma dan Rancangan Program
Jaringan Syaraf Buatan yang diimplementasikan oleh aplikasi ini menggunakan algoritma dengan perhitungan-perhitungan seperti yang telah disampaikan pada subbab 2.4. (sumber : Braun Feulner Malaka, 1993), yaitu :
a. Neuron-neuron input hanya meneruskan nilai yang diterimanya dari luar jaringan ke lapisan berikutnya pada jaringan.
b. Sinyal aktivasi (netj) setiap neuron (kecuali neuron input) dihitung sebagai berikut :
+ j (1.1)
j : nomor neuron yang sedang dihitung sinyal aktivasinya
i : nomor neuron yang outputnya dikonstribusikan pada neuron j
si : nilai output neuron ke-i
wij : nilai bobot hubungan antara neuron ke-i dan ke-j
j : nilai bias neuron ke-j

c. Neuron-neuron pada lapisan tersembunyi dan lapisan output dapat memiliki fungsi aktivasi berupa fungsi sigmoid dan/atau fungsi frank.
- Fungsi Sigmoid : (1.2a)