Pengenalan Pola Angka Menggunakan Back Propagation Neural Network

Abstract

Jaringan perambatan mundur (Back Propagation Neural Network ) dilatih dengan metode belajar terbimbing dan Jaringan diberi sekumpulan pola yang terdiri dari pola masukan dan pola yang diinginkan.serta pelatihan dilakukan berulang-ulang sehingga dihasilkan jaringan yang memberikant anggapan yang benar terhadap semua masukannya.
Karena setiap matrik tersebut ada 35 data yang harus di masukkan, maka diperlukan 35 node input.  Karena angka yang dimasukkan dari 0 sampai 9  maka hanya ada 10 kemungkinan output, maka digunakan 10 node output pada Jaringan syaraf.  JST harus di trining dulu untuk memperoleh output yang sesuai dengan yang diinginkan, sebagai contoh kita memasukkan angka 0 output pertama harus bernilai 1 atau mendekati 1 sedangkan output yang lain harus bernilai 0. Misalkan dimasukkan pola seperti berikut (angka 1) :00100, 01100, 00100, 00100, 00100, 00100,01110 Output kedua harus bernilai 1 dan yang lain harus bernilai 0. Semua node akan diimplementasi sebagai larik bilangan floating point, karena itu input JST mempunyai 35 elemen floating point dan outputnya sebanyak 10 elemen floating point, sedangkan hidden layer memiliki 50 node.
Proses iterasi training sebanyak 1000 kali cukup bisa memeperoleh hasil yang bisa diterima, namun bisa dilakukan lebih dari 1000 untuk menghasilkan bobot yang lebih baik, maksimal iterasi adalah 20000 kali.

Kata kunci: Back Propagation Neural Network, Matrik, Iterasi