Metode Backpropagation Jaringan Syaraf Tiruan

LancangKuning.com - Jaringan Syaraf Tiruan (JST) merupakan sebuah unit sistem pemroses kecil yang dibuat berdasarkan atau menirukan sistem syaraf manusia, untuk memecahkan masalah eksternal dan internal yang berjalan pada jaringan tersebut. Salah satu metode yang digunakan dalam JST adalah Backpropagation.

JST tercipta sebagai suatu generalisasi model matematis    dari    pemahaman    yang   didasarkan   atas   asumsi   sebagai berikut :

1. Pemrosesan   informasi   terjadi   pada   neuron atau sel syaraf
2. Sinyal    mengalir    diantara    sel    saraf atau neuron melalui suatu penghubung
3. Setiap penghubung memiliki bobot yang bersesuaian. Bobot  ini  akan  digunakan untuk menggandakan atau mengalikan sinyal yang dikirim melaluinya.
4. Setiap   sel   syaraf   akan   menerapkan   fungsi aktivasi   terhadap   sinyal   hasil   penjumlahan berbobot yang masuk kepadanya untuk menentukan sinyal keluarannya.

Baca Juga : Tempat Wisata di Pekanbaru

Backpropagation (perambatan balik) merupakan salah satu metode pembelajaran yang diterapkan dalam JST. Konsep backpropagation adalah memperkecil tingkat error dalam jaringan, dengan cara melakukan penyesuaian pada bobot dan target yang diinginkan.

Backpropagation merupakan algoritma pelatihan multilayer karena memiliki tiga layer (input, hidden, output) dalam proses pelatihannya, dimana ini merupakan perkembangan dari jaringan berlapis satu yang memiliki dua lapisan, yaitu input dan output.

Cara kerjanya sebagai berikut :

1. Pada lapisan masukan, di hitung keluaran dari setiap elemen pemroses melalui lapisan luar.
2. Hitung selisih antara data aktual dan target yang merupakan kesalahan pada lapisan luar.
3. Ubah kesalahan tersebut menjadi kesalahan yang sesuai dengan sisi masukan elemen pemroses.
4. Melakukan penyebaran kesalahan yang di output ada pada setiap elemen kepada kesalahan yang ada pada inputan. Hal ini dilakukan berulang sampai inputan tercapai.
5. Lalu mengubah selurut bobot yang ada menggunakan kesalahan yang terdapat di elemen input dan output pada proses yang saling terhubung.

Baca Juga : Akreditasi Jurusan Kampus Akademi Keperawatan Panti Waluya Malang

Backpropagation merupakan sebuah algoritma yang berfungsi untuk melakukan perhitungan balik dari neuron keluaran agar memiliki nilai bobot yang sesuai dalam jaringan neural network. Dengan komputasi balik ini nilai error atau kesalahan bisa dikurangi dengan cukup baik.

Jenis  jaringan  ini adalah  hasil  generalisasi  dari  arsitektur perceptron satu  lapisan,  jadi  biasa  disebut  sebagai multilayer perceptron (MLPs). Error backpropagation adalah algoritma MLPs     yang menggunakan prinsip pembelajaran terawasi. Propagasi balik (ke   arah lapisan masukan) terjadi setelah jaringan menghasilkan keluaran yang mengandung error.

Algoritma Backpropagation

Secara umum algoritmanya terdiri dari tiga langkah utama, yaitu :

• Ambil  input
• Analisis error
• Bobotnya disesuaikan

Berikut ini adalah gambaran dari algoritma backpropagation yang digunakan pada Artificial Neural Network.

1. Pencocokan sinyal output yang dihasilkan pada feed forward dan menghitung selisih antara target dengan sinyal output yang ada pada output neuron.
2. Hasil perhitungan selisih antara target dengan sinyal output pada output neuron, digunakan untuk menyesuaikan bobot hubungan antara output layer dengan semua neuron yang berada pada hidden layer.
3. Setelah itu mengirimkan sinyal kesalahan ke dalam hidden layer sehingga setiap neuron yang berada pada hidden layer bisa menyesuaikan beban yang ada agar nilai outputnya mempunyai nilai yang mendekati dengan target.

Baca Juga : Tempat Wisata di Riau

Implementasi JST Backpropagation

1. Untuk Pengenalan Pola
   Contoh : penerapan metode jaringan syaraf tiruan backpropagation yang digunakan untuk mengelompokkan pola pada batik lampung, metode jaringan saraf tiruan backpropagation untuk pengenalan sidik jari pada gadget.
2. Untuk peramalan / perkiraan
   Contoh : penerapan jaringan syaraf tiruan backpropagation untuk mendiagnosa penyakit kulit, penerapan jaringan syaraf tiruan untuk memprediksi nilai ujian dan memprediksi ketinggian air di sungai atau waduk.

Kesimpulan

Pada JST Backpropagation, menggunakan lapisan tersembunyi, pengawasan, dan memiliki kemampuan pembelajaran. Penerapan JST Backpropagation biasanya digunakan untuk pengenalan pola dan untuk peramalan atau perkiraan. JST Backpropagation menggunakan fungsi aktivasi sigmoid biner dan sigmoid bipolar. Keunggulan utama JST adalah kemampuan komputasi yang pararel dengan cara belajar dari pola-pola yang diajarkan.(Raihan)