ANN LOGIKA HALIMAH

Sebelum menjelaskan logika program aplikasi kecerdasan buatan, backpropagation adalah sebuah metode sistematik pada jaringan saraf tiruan dengan menggunakan algoritma dan biasanya digunakan oleh perceptron dengan banyak layar lapisan untuk mengubah bobot-bobot yang ada pada lapisan tersembunyinya. Aplikasi ini digunakan untuk melihat grafik kesalahan dalam proses belajar.

Cara menjalankan backpropagation, langkah pertamanya adalah dengan mengklik disembarang kotak coklat bertuliskan SIMULASI JARINGAN NEURAL BUATAN lalu akan muncul tampilan menu backpropagation dan masukkan password “Bresenham” untuk menjaga keamanan datanya.

Setelah berhasil masuk, maka  didalam tampilan awal terdapat 4 menu utama, diantaranya adalah Network berfungsi sebagai pengontrolan file jaringan dimana network mempunyai submenu antara lain: new, load, save, dan exit. Kemudian Sample yang berisi fungsi-fungsi yang berkaitan dengan file utama dimana sample juga memiliki submenu antara lain: Open dan Refresh. Lali Grafik berfungsi untuk membuka tampilan grafik fungsi kesalahan. Dan yang terakhir adalah Reset Bobot berfungsi untuk mengembalikan nilai bobot dan bias jaringan ke nilai awalnya.

Dibawah menu utama juga terlihat tab menu diantaranya

·         Jaringan (Didalam jaringan ini terdapat Fungsi Output Neuron yang terdiri dari HiddenLayer dan Output Layer)

·         Bobot dan Bias (Didalam bobot dan bias terdapat button, Kunci Neuron, Buka Kunci Neuron, dan Set yang berfungsi sebagai Nilai Awal, Reset Ke Nilai Awal, Reset Ke Nol, dan Acak Nilai Bobot)

·         Sampel (Sample berfungsi untuk memodifikasi data)

·         Neuron (Neuron digunakan untuk melihat tampilan nilai input, output dan sensitivitas pada neuron-neuron jaringan)

·         Belajar (Belajar berfungsi untuk mengendalikan dan mengatur nilai parameter-parameter belajar jaringan yang terdiri dari Laju Belajar, Stroping Criteria Error, Jumlah Step, dan Momentum juga terdapat button Single Step dan Multi Step.)

·         Delta Bobot_Bias (Delta Bobot Bias digunakan untuk menampilkan perubahan nilai bobot yang akan terjadi jika proses belajar dijalankan satu kali)

     Selanjutnya langkah-langkah untuk menjalankan backpropagation, pertama kali adalah membuka sub menu BOBOT DAN BIAS yang berfungsi untuk memberikan nilai masing masing atau perbobotnya dengan kata lain bobot ini merupakan suatu nilai yang merepresentasikan ingatan manusia terhadap pembelajaran yang dilakukan. Nilai bobot inilah yang akan diupdate terhadap kesalahan atau error yang terjadi karena selisih dari target dan output sedangkan bias berfungsi sebagai pengkoreksi terhadap kecukupan variabel-variabel input yang telah kita tetapkan. Setelah diklik pada bobot dan bias maka aka muncul tampilan seperti gambar dibawah ini

 

Kemudian setelah itu pindah ke sub menu BELAJAR. Pada sub menu ini berfungsi untuk mengecek atau menghitung laju kebenaran dari nilai yang nantinya kita masukkan seperti mengisi Laju belajar, momentum, stopping criteria error serta jumlah step. Disini kita memasukkan atau menseting dengan nilai

Laju belajar = 0.1, Momentum = 0.0, Stopping Criteria Error = 1.5, dan Jumlah Step = 500

Setelah semua kolom yang ditentukan sudah terisi  lalu klik Multi Step, maka nilai Epoch dan Nilai Fungsi Energi akan berubah (seperti pada gambar disamping) begitu pula dengan  Nilai Kebenaran dan untuk melihat apakah ada perubahan pada grafik sebelum nilai laju, momentum, stopping criteria dan jumlah step berubah maka pindah ke menu grafik.  Maka hasil yang didapat pada percobaan pertama kali dapat terlihat seperti gambar dibawah ini’

Selanjutnya lakukan lagi hal yang sama dengan mengganti nilai momentum = 0.2 dan klik lagi multi step. Lalu ubah momentum = 0.3 sampai momentum = 0.5. Setelah momentum = 0.5, maka langkah selanjutnya yang akan diubah adalah ubah laju belajar =0.2 dan lakukan sampai laju belajar = 0.5. Maka didapat momentum = 0.5 dan laju belajar = 0.5. Kemudian langkah selanjutnya adalah pindah menu ke kolom Grafik yang berfungsi untuk membuka tampilan grafik fungsi kesalahan dan akan muncul gambar grafik hasil dari apa yang kita praktikkan tadi 

Kesimpulannya adalah Grafik pada program semakin menurun karena semakin kecil nilai laju belajar dan momentum maka nilai epoch dan grafik yang dihasilkan akan semakin besar, begitu juga sebaliknya dan grafik ini menurun dikarenakan perubahan semangat belajar, dari yang malas hingga akhirnya semangat untuk giat belajar. Maka dengan semangat dan giat belajar semakin sedikit kesalahan yang dialami akan tetapi jika grafik belajar makin lama makin naik maka terdapat kesalahan dalam pengaturan nilai bobot.