Algoritma JST (Jaringan Saraf Tiruan) dengan teknik Simplex Optimization adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada.
Inti perhitungan pada algoritma berbasis jaringan adalah untuk mencari bobot terbaik dari contoh / sampel data yang sudah ada. Karena hasil pada contoh data sudah diketahui, maka nilai bobot akan dihitung berdasarkan nilai hasil yang sudah tersedia, sampai ditemukan nilai bobot terbaik yang paling banyak cocok apabila dihitungkan kembali pada data awal. Kemudian nilai bobot tersebut dapat digunakan untuk menghitung data lain yang tidak diketahui hasilnya.
Algoritma ini adalah variasi lain dari
Algoritma JST (Jaringan Saraf Tiruan), dimana sistem pencarian matriks bobot yang umum digunakan adalah menggunakan
PSO (Particle Swarm Optimization),
Back-Propagation, dan
EO (Evolutionary Optimization). Pada pembahasan kali ini akan digunakan teknik yang cukup sederhana yaitu Simplex Optimization.
Simplex Optimization bekerja dengan cara membentuk segitiga solusi yang dikatakan sebagai solusi terbaik – lainnya – terburuk. Pada setiap perhitungan, segitiga ini akan dihitung sehingga semakin mendekati solusi yang terbaik. Apabila segitiga ini digambar secara berurutan pada setiap perulangan, gerakan segitiga yang terjadi mirip dengan pola gerakan amoeba, oleh karena itu teknik ini juga disebut sebagai
AMO (Amoeba Method Optimization).
Diasumsikan ada 8 data pelanggan yang sudah diketahui datanya, yaitu Pelanggan A,B,C,D,E,F,G,H
Masing-masing pelanggan memiliki kriteria, yaitu umur, jenis kelamin, skor kepribadian, dan memiliki nilai hasil yaitu Diterima / Ditolak
Diasumsikan 8 data tersebut adalah sebagai berikut:
| Pelanggan | Umur | Jenis Kelamin | Skor Kepribadian | Hasil |
|---|
| Pelanggan A | 44 | Laki-laki | 3.55 | Diterima |
| Pelanggan B | 52 | Perempuan | 4.71 | Diterima |
| Pelanggan C | 60 | Perempuan | 6.56 | Ditolak |
| Pelanggan D | 56 | Laki-laki | 6.8 | Ditolak |
| Pelanggan E | 51 | Laki-laki | 6.94 | Ditolak |
| Pelanggan F | 46 | Perempuan | 6.52 | Ditolak |
| Pelanggan G | 48 | Laki-laki | 4.25 | Diterima |
| Pelanggan H | 58 | Perempuan | 5.71 | Diterima |
Contoh data pelanggan awal adalah sebagai berikut:
Untuk Kriteria Jenis Kelamin:
Laki-laki dilambangkan dengan angka -1
Perempuan dilambangkan dengan angka +1
Untuk kriteria Nilai Hasil:
Terdapat 2 kolom untuk merepresentasikan kondisi Diterima dan Ditolak
Jika kondisi Diterima, maka inputan data kolom adalah 1, 0
Jika kondisi Ditolak, maka inputan data kolom adalah 0, 1
Dim data(9)() As Double
data(0) = New Double() {44, -1, 3.55, 1, 0}
data(1) = New Double() {52, +1, 4.71, 1, 0}
data(2) = New Double() {60, +1, 6.56, 0, 1}
data(3) = New Double() {56, -1, 6.8, 0, 1}
data(4) = New Double() {51, -1, 6.94, 0, 1}
data(5) = New Double() {46, +1, 6.52, 0, 1}
data(6) = New Double() {48, -1, 4.25, 1, 0}
data(7) = New Double() {58, +1, 5.71, 1, 0}
Selanjutnya ada 2 orang pelanggan baru yang mengajukan kredit sepeda motor
Maka tentukan pelanggan ini nantinya akan termasuk dalam kelompok Diterima / Ditolak
Diasumsikan data awalnya adalah sebagai berikut:
| Pelanggan | Umur | Jenis Kelamin | Skor Kepribadian |
|---|
| Pelanggan I | 47 | Perempuan | 6.05 |
| Pelanggan J | 52 | Laki-Laki | 5 |
Contoh data pelanggan baru adalah sebagai berikut:
Untuk kriteria Nilai Hasil:
Terdapat 2 kolom untuk merepresentasikan kondisi Diterima dan Ditolak
Karena belum diketahui nilai hasilnya, maka semua inputan data adalah -1, -1
data(8) = New Double() {47, +1, 6.05, -1, -1}
data(9) = New Double() {52, -1, 5, -1, -1}
Langkah-langkah penggunaan algoritma ini adalah:
1. Lakukan normalisasi data untuk kriteria Umur dan Skor Kepribadian
Penjelasan lebih lanjut dapat dilihat pada penjelasan skrip dibawah ini (poin 1a – 1c)
1a. Hitung nilai rata-rata tiap-tiap kolom
yaitu dengan rumus: jumlah semua data dibagi dengan jumlah datanya
Dim total As Double = 0.0
For r = 0 To jumlahBaris - 1
total += data(r)(c)
Next r
Dim rata2 As Double = total / jumlahBaris
hasil(0)(c) = rata2
1b. Hitung nilai standar deviasi tiap-tiap kolom
yaitu dengan rumus: akar dari ((kuadrat dari (jumlah dari (data – rata-rata))) / jumlah data)
Dim totalKuadrat As Double = 0.0
For r = 0 To jumlahBaris - 1
totalKuadrat += (data(r)(c) - rata2) * (data(r)(c) - rata2)
Next r
Dim stdDev As Double = Math.Sqrt(totalKuadrat / jumlahBaris)
hasil(1)(c) = stdDev
1c. Normalisasi data dihitung dengan rumus (data – (rata-rata kriteria tersebut)) / standar deviasi kriteria tersebut
For c = 0 To kolom.Length - 1
Dim j As Integer = kolom(c)
Dim rata2 As Double = hasil(0)(j)
Dim stdDev As Double = hasil(1)(j)
For i = 0 To jumlahBaris - 1
data(i)(j) = (data(i)(j) - rata2) / stdDev
Next i
Next c
2. Tentukan skema awal untuk algoritma ini.
Algoritma ini dapat digunakan untuk melakukan perhitungan yang memiliki banyak input dan menghasilkan banyak output
Diasumsikan dalam kasus ini, skema yang digunakan adalah 3 – 4 – 2, dimana:
- 3 adalah jumlah saraf input, karena ada 3 kriteria awal, yaitu Umur, Jenis Kelamin, dan Skor Kepribadian
- 4 adalah jumlah saraf tersembunyi yang digunakan. Jumlah saraf tersembunyi harus lebih dari jumlah saraf input
dalam kasus ini bisa lebih dari 4, tetapi hanya digunakan 4 saja untuk mempercepat perhitungan
- 2 adalah jumlah saraf output, Karena kriteria nilai hasil bergantung pada nilai 2 kolom, yaitu 1,0 jika diterima dan 0,1 jika ditolak
Const jumlahSarafInput As Integer = 3
Const jumlahSarafTersembunyi As Integer = 4
Const jumlahSarafOutput As Integer = 2
Dim jst As New JaringanSaraf(jumlahSarafInput, jumlahSarafTersembunyi, jumlahSarafOutput)
* Diperlukan sebuah class untuk menyimpan semua matriks data untuk digunakan dalam perhitungan algoritma ini. Class ini dinamakan class JaringanSaraf. Deklarasi awal untuk setiap pengisian data adalah sebagai berikut
Public Class JaringanSaraf
Private rnd As Random
Private jumlahSarafInput As Integer
Private jumlahSarafTersembunyi As Integer
Private jumlahSarafOutput As Integer
Private inputs As Double()
'Matriks data untuk perhitungan jaringan saraf input-tersembunyi
Private ihBobot As Double()() 'Nilai bobot pada jaringan saraf input-tersembunyi
Private hBias As Double() 'Nilai bias pada jaringan saraf tersembunyi
Private hOutput As Double() 'Nilai output sementara pada jaringan saraf tersembunyi
'Matriks data untuk perhitungan jaringan saraf tersembunyi-output
Private hoBobot As Double()() 'Nilai bobot pada jaringan tersembunyi-output
Private oBias As Double() 'Nilai bias pada jaringan saraf output
Private outputs As Double()
Public Sub New(jumlahSarafInput As Integer, jumlahSarafTersembunyi As Integer, jumlahSarafOutput As Integer)
rnd = New Random(0)
Me.jumlahSarafInput = jumlahSarafInput
Me.jumlahSarafTersembunyi = jumlahSarafTersembunyi
Me.jumlahSarafOutput = jumlahSarafOutput
Me.inputs = New Double(jumlahSarafInput - 1) {}
Dim ihBobot As Double()() = New Double(jumlahSarafInput - 1)() {}
For r As Integer = 0 To ihBobot.Length - 1
ihBobot(r) = New Double(jumlahSarafTersembunyi - 1) {}
Next
Me.ihBobot = ihBobot
Me.hBias = New Double(jumlahSarafTersembunyi - 1) {}
Me.hOutput = New Double(jumlahSarafTersembunyi - 1) {}
Dim hoBobot As Double()() = New Double(jumlahSarafTersembunyi - 1)() {}
For r As Integer = 0 To hoBobot.Length - 1
hoBobot(r) = New Double(jumlahSarafOutput - 1) {}
Next
Me.hoBobot = hoBobot
Me.oBias = New Double(jumlahSarafOutput - 1) {}
Me.outputs = New Double(jumlahSarafOutput - 1) {}
End Sub
. . .
End Class
3. Sebelum masuk ke dalam fungsi utama perhitungan, ada beberapa parameter yang perlu diperhatikan, yaitu:
3a. Tentukan Jumlah maksimal Epoch
Epoch adalah banyak perulangan yang dilakukan dalam 1 kali proses pembelajaran
Diasumsikan dalam kasus ini jumlah maksimal Epoch adalah 100
Const maksEpoch As Integer = 100
4. Lakukan proses pencarian nilai bobot dan bias terbaik
Metode yang digunakan adalah Simplex Optimization
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini (poin 4a – 4i)
Dim bobotTerbaik As Double() = jst.Simplex(contohData, maksEpoch)
jst.setBobot(bobotTerbaik)
Memasuki perhitungan utama pada fungsi Simplex
* Inisialisasi jumlah bobot yang digunakan dalam perhitungan
- jumlah nilai bobot pada jaringan saraf input-tersembunyi adalah jumlah saraf input * jumlah saraf tersembunyi (3 * 4 = 12 buah)
- jumlah nilai bias pada jaringan saraf input-tersembunyi adalah jumlah saraf tersembunyi (4 buah)
- jumlah nilai bobot pada jaringan saraf tersembunyi-output adalah jumlah saraf tersembunyi * jumlah saraf output (4 * 2 = 8 buah)
- jumlah nilai bias pada jaringan saraf tersembunyi-output adalah jumlah saraf output (2 buah)
Sehingga, banyak data yang diperlukan adalah 12 + 4 + 8 + 2 = 26 buah data
Fungsi ini akan mencari data yang memiliki bobot terendah diantara semua data input, dan akan mengembalikan 26 buah data dengan susunan seperti diatas
Dim jumlahBobot As Integer = (Me.jumlahSarafInput * Me.jumlahSarafTersembunyi) + (Me.jumlahSarafTersembunyi * Me.jumlahSarafOutput) + Me.jumlahSarafTersembunyi + Me.jumlahSarafOutput
4a. Ambil 3 nilai acak untuk dijadikan sebagai solusi sementara, yaitu solusi terbaik, terburuk, lainnya
Untuk masing-masing nilai tersebut, hitung tingkat kesalahannya menggunakan teknik MSE (Mean Squared Error)
yaitu jumlah dari (kuadrat dari (hasil terhitung – hasil pada data awal)) / jumlah data
Dim solusi As Solution() = New Solution(2) {}
For i As Integer = 0 To 2
solusi(i) = New Solution(jumlahBobot)
solusi(i).bobot = CariSolusiAcak(jumlahBobot)
solusi(i).nilaiKesalahan = MeanSquaredError(contohData, solusi(i).bobot)
Next
* Gunakan fungsi ini untuk menghitung tingkat kesalahan dari masing-masing data input
Hitung tingkat kesalahan nilai jawaban menggunakan teknik Mean Squared Error
dihitung dengan rumus jumlah dari (kuadrat dari (nilai jawaban – nilai hasil pada matriks data)) / jumlah data
Nilai jawaban yang baru bisa jadi mengembalikan nilai MSE yang lebih tinggi, sehingga nilai jawaban ini tidak bisa dipakai
Private Function MeanSquaredError(contohData As Double()(), bobot As Double()) As Double
Me.setBobot(bobot)
Dim contohDataKolomKriteria As Double() = New Double(jumlahSarafInput - 1) {}
Dim contohDataKolomHasil As Double() = New Double(jumlahSarafOutput - 1) {}
Dim hasil As Double = 0.0
For i As Integer = 0 To contohData.Length - 1
Array.Copy(contohData(i), contohDataKolomKriteria, jumlahSarafInput)
Array.Copy(contohData(i), jumlahSarafInput, contohDataKolomHasil, 0, jumlahSarafOutput)
Dim dataKolomHasil As Double() = Me.ComputeOutputs(contohDataKolomKriteria)
For j As Integer = 0 To dataKolomHasil.Length - 1
hasil += ((dataKolomHasil(j) - contohDataKolomHasil(j)) * (dataKolomHasil(j) - contohDataKolomHasil(j)))
Next
Next
Return hasil / contohData.Length
End Function
4b. Pada setiap perulangan,
Urutkan solusi berdasarkan tingkat kesalahan terendahnya, kemudian masukkan nilai bobot terbaik – lainnya – terburuk sesuai urutan yang ada
Array.Sort(solusi)
Dim bobotTerbaik As Double() = solusi(indeksSolusiTerbaik).bobot
Dim bobotLainnya As Double() = solusi(indeksSolusiLainnya).bobot
Dim bobotTerburuk As Double() = solusi(indeksSolusiTerburuk).bobot
4c. Cari nilai centroid, yaitu nilai tengah dari solusi lainnya ke solusi terbaik
* Gunakan fungsi ini untuk mencari nilai centroid
PArray.Sort(solusi)
Dim bobotTerbaik As Double() = solusi(indeksSolusiTerbaik).bobot
Dim bobotLainnya As Double() = solusi(indeksSolusiLainnya).bobot
Dim bobotTerburuk As Double() = solusi(indeksSolusiTerburuk).bobotrivate Function Centroid(bobotLainnya As Double(), bobotTerbaik As Double()) As Double()
Dim jumlahBobot As Integer = bobotLainnya.Length
Dim hasil As Double() = New Double(jumlahBobot - 1) {}
For i As Integer = 0 To hasil.Length - 1
hasil(i) = (bobotLainnya(i) + bobotTerbaik(i)) / 2.0
Next
Return hasil
End Function
4d. Cari nilai expanded, yaitu nilai centroid ditambah (nilai centroid – nilai terburuk) dikali 2
Kemudian hitung tingkat kesalahannya menggunakan teknik MSE (Mean Squared Error)
Jika nilai kesalahan expanded kurang dari nilai kesalahan terburuk, maka nilai expanded akan menggantikan nilai terburuk
Dim bobotExpanded As Double() = Expanded(bobotCentroid, bobotTerburuk)
Dim nilaiKesalahanExpanded As Double = MeanSquaredError(contohData, bobotExpanded)
If nilaiKesalahanExpanded
4e. Cari nilai reflected, yaitu nilai centroid ditambah (nilai centroid - nilai terburuk) dikali 1
Kemudian hitung tingkat kesalahannya menggunakan teknik MSE (Mean Squared Error)
Jika nilai kesalahan reflected kurang dari nilai kesalahan terburuk, maka nilai reflected akan menggantikan nilai terburuk
Dim bobotReflected As Double() = Reflected(bobotCentroid, bobotTerburuk)
Dim nilaiKesalahanReflected As Double = MeanSquaredError(contohData, bobotReflected)
If nilaiKesalahanReflected
4f. Cari nilai contracted, yaitu nilai centroid ditambah (nilai centroid - nilai terburuk) dikali - 0.5
Kemudian hitung tingkat kesalahannya menggunakan teknik MSE (Mean Squared Error)
Jika nilai kesalahan contracted kurang dari nilai kesalahan terburuk, maka nilai contracted akan menggantikan nilai terburuk
Dim bobotContracted As Double() = Contracted(bobotCentroid, bobotTerburuk)
Dim nilaiKesalahanContracted As Double = MeanSquaredError(contohData, bobotContracted)
If nilaiKesalahanContracted
Gunakan 3 fungsi dibawah ini untuk mencari nilai reflected, expanded, contracted
Ilustrasi singkat adalah sebagai berikut:
b----------x----------c----------y----------z
buruk-----------------centroid
Tarik garis lurus antara posisi terburuk dengan posisi centroid
Kemudian tambahkan garis terusan dari posisi centroid sepanjang jarak sebelumnnya
- Posisi Reflected berada pada posisi y, dengan jarak (centroid-buruk) * koefisien alpha, dalam contoh ini bernilai 1.0
- Posisi Expanded berada pada posisi z, dengan jarak (centroid-buruk) * koefisien gamma, dalam contoh ini bernilai 2.0
- Posisi Contracted berada pada posisi x, dengan jarak (centroid-buruk) * koefisien beta, dalam contoh ini bernilai 0.5
'Gunakan fungsi ini untuk mencari nilai expanded
Private Function Expanded(Centroid As Double(), bobotTerburuk As Double()) As Double()
Dim jumlahBobot As Integer = Centroid.Length
Dim gamma As Double = 2.0
Dim hasil As Double() = New Double(jumlahBobot - 1) {}
For i As Integer = 0 To hasil.Length - 1
hasil(i) = Centroid(i) + (gamma * (Centroid(i) - bobotTerburuk(i)))
Next
Return hasil
End Function
'Gunakan fungsi ini untuk mencari nilai reflected
Private Function Reflected(Centroid As Double(), bobotTerburuk As Double()) As Double()
Dim jumlahBobot As Integer = Centroid.Length
Dim alpha As Double = 1.0
Dim hasil As Double() = New Double(jumlahBobot - 1) {}
For i As Integer = 0 To hasil.Length - 1
hasil(i) = Centroid(i) + (alpha * (Centroid(i) - bobotTerburuk(i)))
Next
Return hasil
End Function
'Gunakan fungsi ini untuk mencari nilai contracted
Private Function Contracted(Centroid As Double(), bobotTerburuk As Double()) As Double()
Dim jumlahBobot As Integer = Centroid.Length
Dim rho As Double = -0.5
Dim hasil As Double() = New Double(jumlahBobot - 1) {}
For i As Integer = 0 To hasil.Length - 1
hasil(i) = Centroid(i) + (rho * (Centroid(i) - bobotTerburuk(i)))
Next
Return hasil
End Function
4g. Cari nilai acak lagi
Kemudian hitung tingkat kesalahannya menggunakan teknik MSE (Mean Squared Error)
Jika nilai kesalahannya kurang dari nilai kesalahan terburuk, maka nilai ini akan menggantikan nilai terburuk
Dim bobotSolusiAcak As Double() = CariSolusiAcak(jumlahBobot)
Dim nilaiKesalahanSolusiAcak As Double = MeanSquaredError(contohData, bobotSolusiAcak)
If nilaiKesalahanSolusiAcak
4h. Jika nilai kesalahan dari posisi expanded - reflected - contracted - solusi acak tidak ada yang kurang dari nilai kesalahan solusi terburuk,
Maka hitung nilai solusi lainnya dan solusi terburuk yang baru.
4h1. Hitung nilai solusi terburuk yang baru, yaitu (nilai terburuk + nilai terbaik) dibagi 2
Kemudian hitung tingkat kesalahannya menggunakan teknik MSE (Mean Squared Error)
For j As Integer = 0 To jumlahBobot - 1
bobotTerburuk(j) = (bobotTerburuk(j) + bobotTerbaik(j)) / 2.0
Next
solusi(indeksSolusiTerburuk).nilaiKesalahan = MeanSquaredError(contohData, bobotTerburuk)
4h2. Hitung nilai solusi lainnya yang baru, yaitu (nilai lainnya + nilai terbaik) dibagi 2
Kemudian hitung tingkat kesalahannya menggunakan teknik MSE (Mean Squared Error)
For j As Integer = 0 To jumlahBobot - 1
bobotLainnya(j) = (bobotLainnya(j) + bobotTerbaik(j)) / 2.0
Next
solusi(indeksSolusiLainnya).nilaiKesalahan = MeanSquaredError(contohData, bobotLainnya)
4i. Dapatkan solusi terbaik, yaitu solusi pada indeks terbaik
Me.setBobot(solusi(indeksSolusiTerbaik).bobot)
* Gunakan fungsi ini untuk memasukkan matriks bobot awal kedalam 4 matriks data yaitu matriks ihBobot, hBias, hoBobot, oBias
- ihBobot adalah matriks bobot pada jaringan saraf input-tersembunyi, dengan jumlah data = jumlah saraf input * jumlah saraf tersembunyi (3 * 4 = 12 buah)
- hBias adalah matriks nilai bias pada jaringan saraf input-tersembunyi, dengan jumlah data = jumlah saraf tersembunyi (4 buah)
- hoBobot adalah matriks bobot pada jaringan saraf tersembunyi-output, dengan jumlah data = jumlah saraf tersembunyi * jumlah saraf output (4 * 2 = 8 buah)
- oBias adalah matriks nilai bias pada jaringan saraf tersembunyi-output, dengan jumlah data = jumlah saraf output (2 buah)
Public Sub setBobot(bobot As Double())
Dim jumlahBobot As Integer = (jumlahSarafInput * jumlahSarafTersembunyi) + (jumlahSarafTersembunyi * jumlahSarafOutput) + jumlahSarafTersembunyi + jumlahSarafOutput
If bobot.Length jumlahBobot Then
Throw New Exception("Pada fungsi SetBobotAwal, panjang matriks bobot: " & bobot.Length & " tidak sama dengan jumlah bobot yang seharusnya, yaitu " & jumlahBobot)
End If
Dim k As Integer = 0
For i As Integer = 0 To jumlahSarafInput - 1
For j As Integer = 0 To jumlahSarafTersembunyi - 1
ihBobot(i)(j) = bobot(k)
k += 1
Next
Next
For i As Integer = 0 To jumlahSarafTersembunyi - 1
hBias(i) = bobot(k)
k += 1
Next
For i As Integer = 0 To jumlahSarafTersembunyi - 1
For j As Integer = 0 To jumlahSarafOutput - 1
hoBobot(i)(j) = bobot(k)
k += 1
Next
Next
For i As Integer = 0 To jumlahSarafOutput - 1
oBias(i) = bobot(k)
k += 1
Next
End Sub
5. Lakukan perhitungan dari masing-masing contoh data menggunakan nilai bobot dan nilai bias yang sudah ditemukan
Penjelasan tentang fungsi ini akan dijelaskan pada perhitungan dibawah ini (poin 5a - 5g)
Dim output() As Double = jst.hitungNilaiOutput(input)
Memasuki perhitungan utama pada fungsi hitungNilaiOutput
5a. Beri nilai matriks input sesuai array input
For i = 0 To input.Length - 1
Me.inputs(i) = input(i)
Next i
5b. Hitung matriks ihJumlahBobotDanBias dengan cara perkalian matriks antara matriks input dan matriks ihBobot
For j = 0 To jumlahSarafTersembunyi - 1
For i = 0 To jumlahSarafInput - 1
ihJumlahBobotDanBias(j) += Me.inputs(i) * ihBobot(i)(j)
Next i
Next j
5c. Kemudian masukkan nilai bias pada matriks ihJumlahBobotDanBias
For i = 0 To jumlahSarafTersembunyi - 1
ihJumlahBobotDanBias(i) += hBias(i)
Next i
5d. Hitung nilai output sementara dengan menggunakan fungsi HyperTan untuk masing-masing data pada matriks hJumlahBobotDanBias
Penjelasan tentang fungsi HyperTan akan dijelaskan pada perhitungan dibawah ini
For i As Integer = 0 To jumlahSarafTersembunyi - 1
Me.hOutput(i) = HyperTan(hJumlahBobotDanBias(i))
Next
* Gunakan fungsi ini untuk menghitung nilai fungsi HyperTan (tanh)
Private Shared Function HyperTan(x As Double) As Double
If x 20.0 Then
Return 1.0
Else
Return Math.Tanh(x)
End If
End Function
5e. Hitung matriks hoJumlahBobotDanBias dengan cara perkalian matriks antara matriks output sementara dan matriks hoBobot
For j = 0 To jumlahSarafOutput - 1
For i = 0 To jumlahSarafTersembunyi - 1
hoJumlahBobotDanBias(j) += hOutput(i) * hoBobot(i)(j)
Next i
Next j
5f. Kemudian masukkan nilai bias pada matriks hoJumlahBobotDanBias
For i = 0 To jumlahSarafOutput - 1
hoJumlahBobotDanBias(i) += oBias(i)
Next i
5g. Hitung nilai output akhir dengan menggunakan fungsi Softmax untuk masing-masing data pada matriks hoJumlahBobotDanBias
Penjelasan tentang fungsi Softmax akan dijelaskan pada perhitungan dibawah ini (poin 5g1 - 5g3)
Dim hasil() As Double = Softmax(hoJumlahBobotDanBias)
hasil.CopyTo(Me.outputs, 0)
Return hasil
Memasuki perhitungan utama pada fungsi Softmax
5g1. Cari nilai maksimal data
Dim maksData As Double = hoJumlahBobotDanBias(0)
For i = 0 To hoJumlahBobotDanBias.Length - 1
If hoJumlahBobotDanBias(i) > maksData Then
maksData = hoJumlahBobotDanBias(i)
End If
Next i
5g2. Cari nilai skala
Dim skala As Double = 0.0
For i = 0 To hoJumlahBobotDanBias.Length - 1
skala += Math.Exp(hoJumlahBobotDanBias(i) - maksData)
Next i
5g3. Hitung hasil akhir
Sehingga semua jumlah bobot pada parameter matriks hoJumlahBobotDanBias akan bernilai 1
Dim hasil(hoJumlahBobotDanBias.Length - 1) As Double
For i = 0 To hoJumlahBobotDanBias.Length - 1
hasil(i) = Math.Exp(hoJumlahBobotDanBias(i) - maksData) / skala
Next i
6. Jika maka
- Jika nilai output bernilai kurang dari 0.5 maka pelanggan tersebut memiliki nilai hasil Ditolak
- Jika nilai output bernilai lebih dari 0.5 maka pelanggan tersebut memiliki nilai hasil Diterima
- Kemudian bandingkan nilai output dengan nilai hasil pada contoh data
- Jika hasilnya sudah sama, maka catat data ini kedalam jumlah data benar
- Jika hasilnya tidak sama, maka catat data ini kedalam jumlah data salah
If output(0) Ditolak ")
If contohData(i)(jumlahKolom - 2) contohData(i)(jumlahKolom - 1) Then
jumlahSalah += 1
Console.WriteLine("Salah")
End If
Else
Console.Write("-> Diterima ")
If contohData(i)(jumlahKolom - 2) contohData(i)(jumlahKolom - 1) Then
jumlahBenar += 1
Console.WriteLine("Benar")
End If
End If
7. Catat tingkat kecocokan perhitungan data dengan hasil awal pada data
Langkah ini tidak wajib, hanya untuk mengetahui seberapa besar tingkat kecocokan perhitungan untuk data baru yang akan dihitung selanjutnya
Console.WriteLine("Jumlah perhitungan benar = " & jumlahBenar & ", jumlah perhitungan salah = " & jumlahSalah)
Console.WriteLine("Tingkat kecocokan perhitungan dengan hasil data adalah " & (jumlahBenar / (jumlahBenar + jumlahSalah)).ToString("F2"))
8. Lakukan perhitungan yang sama (poin 5 dan 6) untuk masing-masing data baru
For i As Integer = 0 To dataBaru.Length - 1
Console.Write("Pelanggan " & Chr(i + 65 + 8) & " ")
Dim input(jumlahKolom - 3) As Double
Array.Copy(dataBaru(i), input, jumlahKolom - 2)
For j = 0 To input.Length - 1
Console.Write(IIf(input(j) >= 0, " ", "") & input(j).ToString("F2") & " ")
Next j
Console.Write(" ")
Dim output() As Double = jst.hitungNilaiOutput(input)
For j = 0 To output.Length - 1
Console.Write(output(j).ToString("F2") & " ")
Next j
Console.Write(" ")
If output(0) Ditolak ")
Else
Console.Write("-> Diterima")
End If
Console.WriteLine("")
Next
* Agar dapat menjalankan fungsi Simplex diatas, maka diperlukan sebuah Class Solution untuk menampung semua data bobot dan nilai kesalahan solusi tersebut. Deklarasi Class Solution adalah sebagai berikut:
Private Class Solution
Implements IComparable(Of Solution)
Public bobot As Double()
Public nilaiKesalahan As Double
Public Sub New(jumlahBobot As Integer)
Me.bobot = New Double(jumlahBobot - 1) {}
Me.nilaiKesalahan = 0.0
End Sub
'Fungsi untuk mengurutkan nilai kesalahan dari yang terendah (terbaik) ke tertinggi (terburuk)
Public Function CompareTo(other As Solution) As Integer Implements IComparable(Of Solution).CompareTo
If Me.nilaiKesalahan other.nilaiKesalahan Then
Return 1
Else
Return 0
End If
End Function
End Class
Hasil akhir adalah: (klik untuk perbesar gambar)
لَا إِلٰهَ إِلَّا ٱلله مُحَمَّدٌ رَسُولُ ٱلله
🐪 EST 1997
🎓 SI UG '16
🧠 Mind wanders
🤵🏻"Manner Maketh Man"