Hasil Uji Coba - HASIL DAN PEMBAHASAN - MODIFIKASI LEARNING RATE DENGAN MODEL LVQ DALAM PENINGK

HASIL DAN PEMBAHASAN

4.1. Hasil Uji Coba

Algoritma backpropagation merupakan algoritma yang akan menghasilkan nilai terbaik melalui serangkain uji coba trial dan error. Untuk itu pada penelitian ini, penulis melakukan beberapa percobaan untuk meningkatkan kecepatan pembelajaran.

4.1.1. Hasil Pengujian Backpropagation Standar

Pada pelatihan algoritma backpropagation standar arsitektur yang di gunakan adalah 13-10-3 dengan target error 0.01, maxepoch 10000 dan learning rate () = 0,01. Code pelatihan yang digunakan dengan aplikasi Matlab sebagi berikut :

load wine_dataset;

inputs = wineInputs;

targets = wineTargets;

hiddenLayerSize = 10;

net = patternnet(hiddenLayerSize);

% Set up Division of Data for Training, Validation, Testing net.trainFcn = 'traingd'; %# training function

net.trainParam.epochs = 10000; %# max number of iterations net.trainParam.lr = 0.1; %# learning rate

net.performFcn = 'mse'; %# mean-squared error function net.divideFcn = 'dividerand'; %# how to divide data

net.trainParam.goal = 0.01;

net.divideParam.trainRatio = 50/100;

net.divideParam.testRatio = 50/100;

% Train the Network

[net,tr] = train(net,inputs,targets);

% Test the Network outputs = net(inputs);

errors = gsubtract(targets,outputs);

performance = perform(net,targets,outputs)

% View the Network view(net)

figure, plotperform(tr)

figure, plotconfusion(targets,outputs) classes = vec2ind(outputs)

pelatihan dan pengujian jaringan syaraf dengan arsitektur 13 – 10 – 3 dapat dilihat pada Gambar 4.1. sampai dengan Gambar 4.4.

Gambar 4.1. Pelatihan Arsitektur 13-10-3 Learning Rate 0.01

Gambar 4.2. Arsitektur 13-10-3

Gambar 4.3. Performance Arsitektur 13-10-3 Max Epoch 10000

Gambar 4.4. Confusion Arsitektur 13-10-3 Max Epoch 10000

Hasil dari pelatihan pada arsitektur 13-10-3 dengan learning rate yang telah ditentukan, maka hasil akurasi prediksi seperti pada tabel 4.1.

Tabel 4.1 Hasil Akurasi Pengujian Backpropagation Standar

No X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 T P

Hasil dari pelatihan pada arsitektur 13-10-3 dengan learning rate yang telah ditentukan, maka hasil akurasi prediksi seperti pada tabel 4.2. di mana  adalah Learning rate, Epoch adalah jumlah iterasi dan Akurasi data testing.

Tabel 4.2 Pengujian Backpropagation Standar

No.  HASIL

EPOCH AKURASI MSE

1 0,01 10000 98.3% 0,0172

2 0,03 3512 98.3% 0,0166

3 0,06 1756 98.3% 0,0166

4 0,1 1054 98.3% 0,0166

5 0,13 811 98.3% 0,0166

6 0,16 659 98.3% 0,0166

7 0,2 528 98.3% 0,0166

8 0,23 459 98.3% 0,0166

9 0,26 406 98.3% 0,0166

10 0,3 352 98.3% 0,0166

Pada tabel 4.2. dapat dilihat terjadi peningkatan laju pembelajaran ketika nilai learning rate semakin besar, dan menghasilkan akurasi 98,3% pada setiap pelatihan dengan nilai learning rate yang telah ditentukan.

4.1.2. Hasil Pengujian Learning Rate LVQ Max

Pada pelatihan algoritma backpropagation learning rate LVQ maximum dengan arsitektur yang di gunakan adalah 13-10-3 dengan target error 0.01, maxepoch 10000 dan learning rate () yang di hailkan pada learning rate LVQ maximum seperti pada

tabel 4.3. di mana  adalah Learning rate, Epoch adalah jumlah iterasi dan Akurasi data testing.

Tabel 4.3 Pengujian Backpropagation Learning Rate LVQ Maxepoch

No.  HASIL

EPOCH AKURASI MSE

1 0,01 10000 98.3% 0,0172

2 0,02 5268 98.3% 0,0166

3 0,05 2108 98.3% 0,0166

4 0,09 1171 98.3% 0,0166

5 0,12 879 98.3% 0,0166

6 0,15 703 98.3% 0,0166

7 0,19 555 98.3% 0,0166

8 0,22 480 98.3% 0,0166

9 0,25 422 98.3% 0,0166

10 0,29 364 98.3% 0,0166

Pada hasil pengujian Backpropagation Learning Rate LVQ Maxepoch yang ada pada tabel 4.3. dengan hasil perhitungan learning rate yang baru mengunakan persamaan learning rate LVQ maxepoch terjadi pelambatan laju pembelajaran pada setiap percobaan.

4.1.3. Hasil Pengujian Learning Rate LVQ Minimum

Pada pelatihan algoritma backpropagation learning rate LVQ minimum dengan arsitektur yang di gunakan adalah 13-10-3 dengan target error 0.01, maxepoch 10000 dan learning rate () yang di hailkan pada learning rate LVQ manimum seperti pada tabel 4.4. di mana  adalah Learning rate, Epoch adalah jumlah iterasi dan Akurasi data testing.

Tabel 4.4 Pengujian Backpropagation Learning Rate LVQ Minepoch

No. 

HASIL

EPOCH AKURASI MSE

1 0,30 352 98.3% 0,0166

2 0,29 364 98.3% 0,0166

3 0,26 406 98.3% 0,0166

4 0,22 480 98.3% 0,0166

5 0,19 555 98.3% 0,0166

6 0,16 659 98.3% 0,0166

7 0,12 879 98.3% 0,0166

8 0,09 1171 98.3% 0,0166

Pada hasil pengujian Backpropagation Learning Rate LVQ Minepoch yang ada pada tabel 4.4. dengan hasil perhitungan learning rate yang baru mengunakan persamaan learning rate LVQ minepoch terjadi pelambatan laju pembelajaran pada percobaan yang sebelumnya cepat menjadi lambat dan yang lambat menjadi cepat.

4.1.4. Hasil Pengujian Learning Rate LVQ Rata-rara Plus

di mana adalah Learning rate, Epoch adalah jumlah iterasi dan Akurasi data testing.

Tabel 4.5 Pengujian Backpropagation Learning Rate LVQ Rata-rata Plus

No. 

HASIL

EPOCH AKURASI MSE

1 0,06 1756 98.3% 0,0166

2 0,08 1318 98.3% 0,0166

3 0,11 958 98.3% 0,0166

4 0,15 703 98.3% 0,0166

5 0,18 586 98.3% 0,0166

6 0,21 502 98.3% 0,0166

7 0,25 422 98.3% 0,0166

8 0,28 377 98.3% 0,0166

9 0,31 341 98.3% 0,0166

10 0,35 302 98.3% 0,0166

Pada hasil pengujian Backpropagation Learning Rate LVQ Rata-rata Plus yang ada pada tabel 4.5. dengan hasil perhitungan learning rate yang baru mengunakan persamaan learning rate LVQ rata-rata plus terjadi percepatan laju pembelajaran pada setiap percobaan.

4.1.5. Hasil Pengujian Learning Rate LVQ Max Plus

di mana adalah Learning rate, Epoch adalah jumlah iterasi dan Akurasi data testing.

Tabel 4.6 Pengujian Backpropagation Learning Rate LVQ Max Plus

No. 

HASIL

EPOCh AKURASI MSE

1 0,02 5268 98.3% 0,0166

2 0,04 2634 98.3% 0,0166

3 0,07 1506 98.3% 0,0166

4 0,11 958 98.3% 0,0166

5 0,14 753 98.3% 0,0166

6 0,17 620 98.3% 0,0166

7 0,21 502 98.3% 0,0166

8 0,24 440 98.3% 0,0166

9 0,27 391 98.3% 0,0166

10 0,31 341 98.3% 0,0166

Pada hasil pengujian Backpropagation Learning Rate LVQ Max Plus yang ada pada tabel 4.6. dengan hasil perhitungan learning rate yang baru mengunakan persamaan learning rate LVQ Max plus terjadi percepatan laju pembelajaran pada setiap percobaan seperti halnya pada learning rate LVQ Rata-rata Plus

4.1.6.Hasil Pengujian

Untuk hasil penelitian menggunakan backpropagation standar dimana learning rate 0.01, 0.03, 0.06, 0.1, 0.13, 0.16, 0.2, 0.23, 0.26, 0.3, dan penelitian selanjutnya menggunakan learning rate awal dan hasil dari pelatihan learning rate awal dengan modifikasi learning rate model LVQ yang telah di tetapkan. Hasil penelitian ini berdasarkan pengujian backpropagation standar dibandingkan dengan pengujian backpropagation learning rate model LVQ percepatan pembelajaran yang di lihat dari jumlah iterasi (epoch) yang dihasilkan dengan 10 percobaan dapat dilihat pada tabel 4.7.

1 10000 10000 352 1756 5268

2 3512 5268 364 1318 2634

3 1756 2108 406 958 1506

4 1054 1171 480 703 958

7 528 555 879 422 502

8 459 480 1171 377 440

9 406 422 1756 341 391

10 352 364 5268 302 341

Dari tabel 4.7. dapat dilihat terjadinya percepatan laju pembelajaran pada pelatihan jaringan dengan arsitektur 13-10-3 yang konisten jika dibandingan dengan dengan backpropagation standar adalah pada LVQ Rata-rata Plus dan LVQ Max Plus, Pada pelatihan dengan LVQ max tidak terjadi percepatan laju pembelajaran, bahkan setiap percobaan terjadi pelambatan laju pembelajaran pada setiap percobaan.

Percepatan laju pembelajaran yang terjadi pada LVQ min terjadi percepatan jika dibandingkan dengan backpropagation standar, dimana terjadi percepatan laju pembelajaran yang sebalinya pada backpropagation standar.

Perbandingan peningkatan laju pembelajaran pada penelitian ini dapat dilihat dengan Gambar 4.1.

Gambar 4.1 Grafik Perbandingan Epoch (Iterasi)

Dari grafik di atas dapat dilihat bahwa terjadi percepatan pembelajaran pada learning rate LVQ rata-rata Plus dan learning rate LVQ Max Plus. Percepatan pembelajaran pada learning rate LVQ rata-rata Plus dan learning rate LVQ Max Plus terjadi terjadi pada setiap percobaan yaitu 10 percobaan. Penurunan laju pembelajaran terjadi pada LVQ Max, di mana terjadi penurunanlaju pembelajaran pada setiap percobaan dengan 10 percobaan.

Perbandingan tingkat akurasi yang dilakukan pada data testing pada penelitian ini dapat dilihat dengan tabel 4.8.

Berdasarkan hasil penelitian dengan 5 pengujian 10 percobaan yang berbeda – beda maka didapatkan proses pelatihan data dengan backpropagation standar dimana pecepatan pembelajaran jumlah iterasi terhadap data pelatihan sangat di pengaruhi dengan nilai learning rate. Dari hasi penelitian ini terjadi percepatan iterasi yang berbeda tetapi menghasilkan nilai akurasi yang sama. Pada pengujian 1 percobaan dengan learning rate 0,01 menghasilkan iterasi 10000 dengan tingkat akurasi 98.3%

pada data testing, sedangkan pengujian 4 pada percobaan dengan nilai learning rate 0,06 yang di dapat dari hasil perhitungan berdasarkan pengujian 1 menghasilkan iterasi yang lebih rendah 1756 dengan menghasilkan tingkat akurasi yang sama yaitu 98.3% pada data testing. Sedangkan pada pengujian 1 percobaan 10 terjadi iterasi 352 dengan tingkat akurasi 98.3% pada data testing sedangkan pada pengujian 4 percobaan 10 terjadi 302 iterasi dengan tingkat akurasi 99.3% pada data testing.

BAB 5

Dalam dokumen MODIFIKASI LEARNING RATE DENGAN MODEL LVQ DALAM PENINGKATAN PEMBELAJARAN BACKPROPAGATION (Halaman 48-62)