LAPORAN AKHIR PRAKTIKUM

JARINGAN SYARAF TIRUAN (BACKPROPAGATION)

NAMA : SULTAN AL ALAQ

NPM : 18112173

KELAS : 3KA01

MATERI PRAKTIKUM : BACKPROPAGATION

TANGGAL PRAKTIKUM : 13 OKTOBER 2014

ASISTEN BARIS :

KETUA ASISTEN : PAZRIA ULFA

Paraf Asisten

(….................................)

LABORATORIUM SISTEM INFORMASI

UNIVERSITAS GUNADARMA

2014/2015

I. Langkah-langkah Membuat Tabel Jaringan

1. Pada gambar dibawah menunjukan nilai Fungsi Energi : 3,06852

(Gambar 1)

2. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,98787

(Gambar 2)

3. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,31684

(Gambar 3)

4. Pada gambar dibawah menunjukan nilai Fungsi Energi : 3,54502

(Gambar 5)

5. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,43398

(Gambar 5)

6. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,833390

(Gambar 6)

7. Pada gambar dibawah menunjukan nilai Fungsi Energi : 3,03699

(Gambar 7)

8. Pada gambar dibawah menunjukan nilai Fungsi Energi : 3,15955

(Gambar 8)

9. Pada gambar dibawah menunjukan nilai Fungsi Energi : 3,02734

(Gambar 9)

10. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,44408

(Gambar 10)

11. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,31817

(Gambar 11)

12. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,71647

(Gambar 12)

13. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,79385

(Gambar 13)

14. Pada gambar dibawah menunjukan nilai Fungsi Energi : 3,81945

(Gambar 14)

15. Pada gambar dibawah menunjukan nilai Fungsi Energi : 2,99900

(Gambar 15)

16. Pada gambar dibawah menunjukan nilai Fungsi Energi : 3,99810

(Gambar 16)

II. TABEL

0.2 0.4 0.6 0.8

0.2 3.06852 2.98787 2.31684 3.54502

0.4 2.43398 2.83390 3.03699 3.15955

0.6 3.02734 2.44408 2.31817 2.71647

0.8 2.79385 3.81945 2.99900 3.99810

LOGIKA PROGRAM

Backpropagation merupakan model jaringan syaraf tiruan dengan layar jamak. Seperti halnya model jaringan syaraf tiruan lainnya, backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa (tapi tidak sama) dengan pola yang dipakai selama pelatihan.

Buka Program Aplikasi Backpropagation ( Simulasi Neural Network ) Pilih angka yang anda inginkan, disini saya memilih angka 9

(Gambar 17)

Input kata “Bremerhaven” pada saat muncul tampilan “Harapa Masukkan PASSWORD”

(Gambar 18)

Klik Format “Sample” pada Toolbar Top Left Corner, lalu buat table sebanyak 8 kolom dan dari baris dan kolom 5 s/d 8 diisi semua dengan angka 1 seperti tampilan berikut :

(Gambar 19)

Klik Bobot dan Bias, tampilan angka pada Textbox-Textbox tersebut masih dalam keadaan 0

(Gambar 20)

Lalu Klik Format “Acak Nilai Bobot” pada Toolbar Top Left Corner sehingga tampilan angka pada semua textbox menjadi bervariasi/random, seperti tampilan berikut

(Gambar 21)

Kemudian Klik Format “Belajar” pada Toolbar seperti tampilan berikut:

(Gambar 21)Kemudian atur Laju Belajar, Jumlah Stop, Momentum dan #Epoch yang tersedia menjadi

seperti berikut :

Laju Belajar : 0.2Momentum : 0.2Stopping Creteria Error : 0.2Epoch : 200Jumlah Step : 8

Untuk mendapatkan Hasil Nilai Fungsi Energi, klik Eksekusi tab ‘Multi Step’ seperti tampilan berikut:

(Gambar 22. Tampilan Nilai Fungsi Energi)

Lalu input angka pada TextBox seperti Laju Belajar, Jumlah Stop, Momentum dan #Epoch tersebut sesuai data yang anda inginkan.