1. Metode backpropagation
Backpropagation
merupakan metode pembelajaran yang terawasi dan biasanya digunakan oleh perceptron
dengan banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan
neuron-neuron yang ada pada lapisan tersembunyi. Metode backpropagation
menggunakan error output utuk mengubah nilai bobot-bobotnya dalam arah mundur
(backward). Untuk mendapatkan error ini, tahap perambatan maju (forward
propagation) harus dikerjakan terlebih dahulu. Pada saat perambatan maju,
neuron-neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid yaitu :
F(x) =
1/1+e^(-x)
Algoritma
backpropgation dapat dibagi menjadi dua bagian, yaitu :
a. Algoritma pelaithan/pembelajaran(training).terdiri
atas 3 tahap yaitu perambatan maju (forward propagation), perambatan mundur
untuk mengubah nilai bobot(backpropagation) dan tahap pengaturan bobot.
b. Algoritma pengenalan (recognition),
menggunakan perambatan maju.
Algoritma
pelatihan backpropagation adalah
2. Contoh penerapan metode backpropagation
pada aplikasi
1.
Pengenalan
tanda tangan
Metode backpropagation digunakan untuk mengenali
hasil ekstraksi pola dari tanda tangan. Proses ini terdiri dari fase pelatihan
dan pengenalan.
Fase pelatihan adalah proses dimana setiap cirri
atau pola karakter dilatih dan hasil perhitungan bobot disimpan ke database
untuk digunakan pada fase pengenalan.
Arsitektur jaringan backpropagation
Secara ringkas, fase pelatihan Backpropagation
adalah sebagai berikut :
0. Inisialisasi
awal
1. Isi
nilai pada neuron lapisan tersembunyi (Tahap
Feedforward)
2. Isi
nilai neuron lapisan output
3. Hitung
informasi errornya untuk mengubah nilai bobot (tahap Backpropagation)
4. hitung
informasi error untuk mengubah nilai bobot.
5. Tes
kondisi berhenti (Tahap Update bobot dan
bias)
2.
Pengenalan
Huruf cetak pada Citra Digital
Pengenalan huruf
merupakan salah satu bidang dalam ilmu komputer yang dapat membantu proses
pengolahan data. Salah satu teknik pengenalan karakter adalah metode jaringan
saraf tiruan. Metode ini menggunakan prinsip kerja otak manusia yang terdiri
dari neuron sebagai pemrosesan input untuk menghasilkan output berdasarkan
bobot yang ada. Tujuan dari penelitian ini adalah membuat perangkat lunak yang
dapat melakukan pengenalan huruf cetak dengan menggunakan metode jaringan saraf
tiruan. Arsitektur jaringan saraf tiruan yang digunakan adalah multilayer
neural network, dengan algoritma pembelajaran backpropagation. Untuk membantu
pengenalan huruf, dilakukan proses pemotongan gambar menggunakan metode
pemetaan.
3.
Pembuatan
Perangkat Lunak Berbasis Jaringan Syaraf Tiruan untuk Memprediksi harga saham
Kebanyakan
investor menggunakan dua pendekatan untuk melakukan analisis atau memprediksi
saham, yaitu analisis fundamental dan analisis teknikal. Namun bagi para
investor awam dan masyarakat umum yang baru mengenal atau belajar saham akan
sangat kesulitan dan membutuhkan waktu yang sangat banyak untuk mempelajari
secara lebih mendalam mengenai kedua analisis tersebut diatas. Karena itu
sangat dibutuhkan suatu proses prediksi untuk meramalkan harga saham yang lebih
sederhana dari pada kedua analisa tersebut dan yang dapat membantu para
investor untuk membeli dan menjual saham. Proses prediksi harga saham ini dapat
dilakukan dengan memanfaatkan teknologi Jaringan Syaraf Tiruan (JST) yang
merupakan suatu sistem yang berfungsi seperti otak manusia serta menggunakan
model multilayer feedforward dengan algoritma Backpropagation yang tersusun
dari sejumlah input neuron, hidden layer dan output. Input neuron
mempresentasikan variabel input berupa nilai dari harga saham pada periode
sebelumnya (harga saham max, harga saham min, harga saham penutupan), IHSG,
fluktuasi harga rupiah terhadap dollar dan tingkat suku bunga pada beberapa
perusahaan. Variabel input lain dapat berupa nilai harga saham penutupan dari
sepuluh hari sebelumnya untuk memprediksi hari selanjutnya. Dari hasil
pengujian dapat disimpulkan bahwa pemilihan parameter dan bobot untuk prediksi
tergantung pada hasil testing, kalau error testing minimum maka bobot dan
parameter hasil training akan dipakai untuk prediksi, sehingga adakalanya suatu
perusahaan lebih baik menggunakan 6 input dan ada yang lebih baik dengan
menggunakan 10 input.
Tags:
Tech Hack