Page 29 - Learning Dosen

- Fungsi aktivasi
Fungsi aktivasi yang digunakan pada multilayer perceptron

adalah fungsi aktivasi sigmoid. Arsitektur multilayer perceptron

menggunakan fungsi sigmoid untuk nilai output yang terletak

pada interval 0 sampai 1. Namun, fungsi ini bisa juga digunakan
oleh jaringan syaraf yang nilai outputnya 0 atau 1 (Gambar 11).

- Algoritma pelatihan

Pembelajaran algoritma ini dilakukan dengan

pengupdetan bobot balik (back propagation). Penetapan bobot

yang optimal akan berujung pada hasil prediksi yang tepat.
Algoritma multilayer perceptron dapat dibagi ke dalam 2 bagian:

a. Algoritma pelatihan

Terdiri dari 3 tahap yaitu tahap umpan maju pola pelatihan
input, tahap pemropagasibalikan error, dan tahap pengaturan

bobot. Langkah pelatihan dalam algoritma backpropagation

adalah sebagai berikut (Myatt, 2007):

1. Inisialisasi bobot jaringan secara acak (biasanya antara -0.1

sampai 1.0)
2. Pada setiap data training, input dihitung untuk simpul

berdasarkan nilai input dan bobot jaringan saat itu,

menggunakan rumus:

inputj = ∑ oi Wij + θj
=1
Keterangan:

Oi = output simpul i dari layer sebelumnya
wij = bobot relasi dari simpul i pada layer sebelumnya ke

simpul j

θj = bias (sebagai pembatas)
3. Berdasarkan input pada langkah dua, selanjutnya

membangkitkan output untuk simpul menggunakan fungsi

aktivasi sigmoid:

22