Metode Pelatihan Propagasi Balik pada Jaringan Syaraf Tiruan (JST)

Artikel dalam versi PDF tersedia pada link berikut : Metode JST PB.pdf

Salah satu metode handal yang digunakan dalam pelatihan JST adalah metode propagasi balik (PB) . Metode ini merupakan metode pelatihan terawasi (supervised learning) dan digunakan pada JST multi layer. Metode PB pertama kali dirumuskan oleh Werbos dan dipopulerkan oleh Rumelhart dan McClelland. Metode PB digunakan untuk mengubah bobot-bobot yang menghubungkan lapisan masukan dengan neuron lapisan tersembunyi (Leslie, 2003).

Contoh arsitektur JST PB dapat dilihat pada Gambar 1, dimana JST terdiri dari 3 neuron pada lapisan masukan, yaitu x₁, x₂, dan x₃; 2 neuron pada lapisan tersembunyi yaitu z₁ dan z₂; dan 1 neuron pada lapisan keluaran, yaitu y. Bobot yang menghubungkan x₁, x₂, dan x₃ dengan neuron pertama pada lapisan tersembunyi adalah v₁₁, v₂₁, dan v₃₁ (dinotasikan dengan v_ij: bobot yang menghubungkan neuron masukan ke-i ke neuron ke-j pada lapisan tersembunyi). b1₁ dan b1₂ adalah bobot bias yang menuju ke neuron pertama dan neuron kedua pada lapisan tersembunyi. Bobot yang menghubungkan z₁ dan z₂ dengan neuron pada lapisan keluaran adalah w₁ dan w₂. Dan b₂ adalah bobot bias yang menghubungkan lapisan tersembunyi dengan lapisan keluaran (Kusumadewi, 2004).

Gambar 1 Arsitektur JST-PB dengan 3 neuron masukan, 2 neuron tersembunyi dan 1 neuron keluaran (Kusumadewi, 2004).

Setiap data masukan yang diberikan di awal perancangan jaringan akan disebar menuju ke unit keluaran. Kemudian unit keluaran memberikan tanggapan yang sesuai sebagai tanggapan jaringan. Ketika nilai keluaran belum sesuai (belum sama atau mendekati) dengan nilai yang  diharapkan, maka nilai keluaran tersebut akan menyebar mundur (backward) pada lapisan tersembunyi selanjutnya diteruskan ke unit pada lapisan masukan. Oleh karena itu metode ini dinamakan metode propagasi balik (PB). Apabila nilai keluaran (Y)  masih memiliki nilai eror yang besar, maka nilai-nilai bobot (w) dikoreksi ssehingga eror jaringan dapat diminimalisir. (Kusumadewi, 2004).

Artikel dalam versi PDF tersedia pada link berikut : Metode JST PB.pdf

 Algoritma Pelatihan PB

Pola masukan dihitung maju mulai dari lapisan masukan hingga lapisan keluaran menggunakan fungsi aktivasi tertentu. Fase kedua adalaah fase mundur. Selisih antara keluaran jaringan (y_k) dengan target yang diinginkan (t_k) merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari garis yang berhubungan langsung dengan unit-unit di lapisan keluaran. Tahapan-tahapan dalam algoritma pelatihan propagasi balik adalah sebagai berikut (Siang, 2004) :

1.   Proses yang pertama kali dilakukan adalah inisialisasi bobot. Inisialisasi bobot dilakukan dengan menggunakan bilangan acak kecil. Setelah inisialisasi selesai dilakukan, maka lakukan langkah 2 sampai langkah 9 sampai kondisi berhenti terpenuhi.

2.   Untuk setiap pasang data lakukan langkah 3 sampai langkah 9. Langkah ke-3 sampai langkah ke-5 merupakan merupakan langkah-langkah yang dilakukan pada tahap propagasi maju.

3.      Tiap-tiap unit masukan (x_i) menerima sinyal dan meneruskan sinyal tersebut ke semua unit (neuron) pada lapisan berikut yang ada didepannya (lapisan tersembunyi).

4.      Hitung semua keluaran di unit tersembunyi z_j (j=1,2,...,p)

dimana z_in_j menyatakan jumlah masukan yang masuk ke neuron j, v_jo bobot bias, w_ji bobot yang terhubung dengan unit lapisan tersembunyi.

5.      Hitung semua keluaran jaringan di unit y_k (k=1,2,...,m).

                              

Langkah ke-6 sampai langkah ke-9 merupakan langkah-langkah yang dilakukan pada tahap propagasi balik.

6.      Hitung faktor δ unit keluaran berdasarkan kesalahan di setiap unit keluaran y_k (k=1,2,...,m).

δ_k merupakan unitkesalahan yang akan digunakan dalam perubahan bobot layar di bawahnya. Hitung suku perubahan bobot w_kj (yang akan digunakan nanti untuk merubah bobot w_kj) dengan laju percepatan α.

7.      Hitung faktor δ unit tersembunyi berdasarkan kesalahan di setiap unit tersembunyi z_j (j=1,2,...p).

Faktor δ di unit tersembunyi :

                     

Hitung suku perubahan bobot v_ji (yang akan digunakan untuk merubah bobot v_ji)

8.      Hitung semua perubahan bobot

Perubahan bobot garis yang menuju ke unit keluaran (k = 1,2,...m ; j = 0,1,...n) :

                       

Perubahan bobot garis yang menuju ke unit tersembunyi (j = 1,2,...p ; i = 0,1,...n) :

                               

Kondisi penghentian yang digunakan adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diizinkan. Setelah pelatihan selesai dilakukan, jaringan dapat digunakan untuk pengenalan pola. Dalam hal ini hanya propagasi maju saja yang dipakai untuk menentukan keluaran jaringan (Siang, 2004)

Artikel dalam versi PDF tersedia pada link berikut : Metode JST PB.pdf

.