Page 31 - Learning Dosen

b. Akgoritma pengujian/aplikasi
Pada algoritma ini, tahap pengujian dilakukan melalui

feedforward dengan langkah-langkah sebagai berikut:

1. Melakukan inisialisasi bobot (hasil pelatihan)

2. Pada setiap vektor input, mengerjakan langkah 2 – 4
3. Untuik I = l,…,n : set aktivasi unit input X1

4. Untuik j = l,…,p:

z_inj = voj + ∑ n .xi.vij
i=1

zj = f(zinj)

5. Untuk k - l,…,p:

y_ink = wok + ∑ n .zi.wjk
i=1
yk = f(yin k)

Selanjutnya melakukan denomarlisasi testing. Setelah melakukan
proses training dan testing pola yang dilatih, maka akan diperoleh

hasil bahwa nilai pengujian terhadap pola tersebut telah

benar/akurat atau sebaliknya. Rata-rata Error (RMSE) jaringan

dapat dihitung menggunakan rumus (Andrijasa, dkk., 2010):

RMSE = ∑ . ( − ) 2
=1

Keterangan:
= Nilai aktual data (target)

= Nilai hasil prediksi (actual output)

N = Jumlah data yang diujikan
Sedangkah untuk proses denormalisasi atau pengembalian nilai

hasil prediksi jaringan ke bentuk data semula (sebelum dilakukan

normalisasi), dapat dihitung menggunakan rumus sebagai berikut:

i = yn( max - min) + min

Keterangan:
= Nilai X yang akan dilakukan denormalisasi

= Nilai hasil prediksi (actual output) yang sesuai dengan

24