Author : Mustakim

Publish : Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 6

Abstrak:
Pembobotan merupakan bagian utama dari sebuah proses pada konsep Jaringan Syaraf Tiruan Self Organizing Map (SOM). Ide dasar SOM adalah bagaimana otak merekam pola yang dikenalinya melalui mata kemudian mampu mengungkapkan kembali pola tersebut. Arsitektur Jaringan Syaraf SOM terdiri dari atas Input, Output, Learning Rate, dan Bobot. Pembobotan pada SOM memiliki karakteristik yang harus diteliti lebih lanjut bagaimana pola dan nilainya dalam penentuan cluster. Penelitian ini dilakukan dengan menggunakan data latih yang bervariasi yaitu 1000, 2500, 3500 dan 5000 dengan maksmum epoch 100. Kasus dalam penelitian ini adalah pengelompokan data katalog buku dengan jumlah input 8 dan learning rate awal 0.6. Dari penelitian ini diperoleh hasil bahwa jarak (D1 dan D2) mempunyai nilai stabil pada epoch 20, untuk bobot baru (wnew) setiap epoch data yang bervariasi memiliki kesamaan pada epoch ke 20, begitu juga penentuan maksimum selisih antara w1 dengan w2 memiliki pola yang sama untuk semua epoch dan variasi data yang digunakan, nilai maksimum mendekati nilai 1 juga berada pada epoch ke 20. Variasi data menunjukkan bahwa semakin banyak data yang digunakan maka persentase setiap cluster akan mengalami kenaikan dan penurunan yang konstan (tidak berubah naik atau turun), hal ini dilakukan dengan cara menormalkan antara hasil kedua cluster yang dibentuk. Pola bobot yang konstan akan meminimalisir kesalahan besar pada proses cluster.

Kata Kunci: Bobot, Cluster, Epoch, LearningRate, Self Organizing Map

Kesimpulan:
Dari pembahasan tentang analisis perbandingan bobot pada Self Organizing Map (SOM) dengan menggunakan beberapa data pelatihan dapat disimpulkan bahwa:

1. Dengan penentuan bobot (w) awal untuk semua variasi data latih yang digunakan (L1000, L2500, L3500 dan L5000) diperoleh nilai jarak (D1 dan D2) stabil keduanya pada epoch ke 20 dengan penentuan learning rate (α) awal 0.6 .

2. Hasil perhitungan jarak (D1 dan D2) menggunakan Euclidean berpengaruh untuk proses selanjutnya. Diperoleh nilai stabil pada bobot baru (wnew) setiap epoch untuk data yang bervariasi memiliki kesamaan pada epoch ke 20, begitu juga untuk penentuan maksimum selisih antara w1 dengan w2. Untuk selisih atara w1 dan w2 memiliki pola yang sama untuk semua epoch dan variasi data yang digunakan, nilai maksimum mendekati nilai 1 berada pada epoch ke 20.

3. Cluster (y) yang dibentuk dari variasi data latih yang digunakan terdapat persentase (%) konstan naik pada salah satu cluster dan sebaliknya untuk cluster selainnya akan cenderung menurun secara konstan (tidak ada naik turun). Pengambilan persentase antara cluster 1 dan cluster 2 dilakukan dengan cara normaslisasi kedua cluster tersebut untuk dapat mengetahui pertemuandan perpotongan titik maksimumnya.

Sumber Gambar