Penerapan Backpropagation Matlab Code Example

Pageeee brai, Ngoding dulu yuk,, Sadis!!!

Bagi brai brai yang sedang melakukan penelitian, atau skripsi, atau joki coding tentang Jaringan Syaraf Tiruan yang menggunakan metode BACKPROGATION atau Neural Network. Gasken brai contoh Penerapan atau Implementasi Backpropagation Menggunakan Matlab.

Contoh berikut menggunkan 7 variabel (X1 – X7) sebanyak 4 data yang menggunakan 1 target atau 1 ouput pada jaringan tersebut Y0, pada ouput layer gua menggunakan fungsi aktivasi sigmoid binner, untuk target atau kelas yang gua gunakan ada 2 kelas.

Berikut tabel data yang gua gunakan untuk proses pelatihan yang sudah di tranformasi:

1 = Iya

0 = Tidak

Tabel Data Pelatihan

X1	X2	X3	`X4	X5	X6	X7	Target
0	1	1	1	0	1	1	0
1	0	1	1	1	0	1	1
1	1	1	1	1	1	1	1
1	0	1	1	1	0	1	0

Tabel Data Pengujian

X1	X2	X3	`X4	X5	X6	X7	Target
0	1	1	1	0	1	1	0
1	0	1	1	1	0	1	1

Tabel Target Sigmoid Binner

Y0 (Target)	Kelas Sebenarnya
0	Kelas 1
1	Kelas 2

Pada metode Backpropagation terdapat 2 tahap yaitu Pelatihan dan Pengujian

Keterangan Parameter Pada Matlab

net.trainParam.epochs	1000	Maximum number of epochs to train
net.trainParam.goal	0	Performance goal
net.trainParam.showCommandLine	false	Generate command-line output
net.trainParam.showWindow	true	Show training GUI
net.trainParam.lr	0.01	Learning rate
net.trainParam.max_fail	6	Maximum validation failures
net.trainParam.min_grad	1e-5	Minimum performance gradient
net.trainParam.show	25	Epochs between displays (NaN for no displays)
net.trainParam.time	inf	Maximum time to train in seconds

Source https://www.mathworks.com/help/deeplearning/ref/traingd.html

Berikut Tahapan Backpropagation Menggunkan Matlab.

Sebelum memulai Codding, pertama jangan lupa bahagia hehehe just kidding, lanjut,,,, J

Memasukan data diatas menjadi pada directory folder codding matlab, buat file baru dengan cara Right Click pada Workspace, Pilih New atau (Ctrl+N);

Simpan nama file tersebut dengan nama data_latih.mat, don’t forget isi file tersebut dengan data yang digunakan untuk pelatihan. Dimana pada matlab Kolom akan menjadi baris, baris akan menjadi kolom

Berikut contoh pada tabel data pelatihan diatas yang sudah gua masukin pada file .mat

File data_latih.mat

Selanjut buat file target_latih.mat dengan cara seperti diatas.

File target_latih.mat

Jika File data_latih.mat dan target_latih.mat sudah Ready……………

Lanjut ketahap Pelatihan dan Pengujian Menggunakan Matlab (Untuk Proses pelatihan dan Pengujian Silahkan Pelajari dulu dijurnal jurnal atau cari sensei yang bisa membimbing kejalan yang benar)

1.         Tahap Pelatihan (Created New File for Training.m)

load data_latih.mat;

load target_latih.mat;

hidden_layer = 6;

ouput = 1;

net=newff(minmax(data_latih),[hidden_layer, ouput],{'logsig','logsig'},'traingd');

net.performFcn = 'mse';

net.trainparam.epochs= 10;

net.trainparam.goal= 0.001;

net.trainparam.lr=0.2;

net=init(net);

[net,tr]=train(net,data_latih,target_latih);

Run Code (F5) pada Toolbar Editor

Berikut gambar Pelatihan yang sudah dilakukan, untuk  melihat akurasi pada pelatihan dengan cara klik Regression, akan muncul gambar berikut

Semakin sejajar garis biru dengan garis titik titik  hitam, maka akurasi akan tinggi. Jika belum sejajar atau jauh dari kata sejajar maka lakukan dengan cara merubah kombinasi parameter seperti nilai learning rate jadi 0.1 atau 0.2 atau 0.5 dst hingga <1 dan hidden layer. Karena parameter tersebut berpengaruh untuk proses pelatihan, jika sudah hamper sejajar lanjut ke proses pengujian.

2.      Tahap Pengujian (Create New File testing.m)

Buat file baru yaitu data_uji.mat dengan cara yang sama seperti membuat file data_latih dan target_latih diatas. Isi data sesuai tabel Data Uji diatas

load('data_uji.mat')

jumlahData=2;

y = sim(net, data_uji);

kelas= zeros(1,jumlahData);

disp('Hasil Pengujian');

for(a=1:jumlahData)

    if(y(1)>=0.5)

        disp('Kelas 2');

    else

        disp('Kelas 1');

    end

end

Run Code (F5) Output Pada proses Pengujian (Command Windows)

Data Uji yang digunakan mendapat kan hasil pengujian (Y0 <0.5, Y0 = 0 jika lebih besar 0.5 maka Y0 = 1)

No	Hasil Pengujian	Hasil Y0	Sigmoid Binner
1	Kelas 2	1	1
2	Kelas 2	1	1

Selamat Mencoba…….

Source Code File (Email : rylai.usedota@gmail.com)

Wassalam, Good Luck, Have fun!!!