Abstract :
Metode propagasi balik merupakan metode yang sangat baik
dalam menangani masalah pengenalan pola-pola kompleks. Di
dalam jaringan propagasi balik, setiap unit yang berada di lapisan input terhubung dengan setiap unit yang ada di lapisan tersembunyi. Hal serupa berlaku pula pada lapisan tersembunyi.
Setiap unit yang ada pada lapisan tersembunyi terhubung dengan setiap unit yang ada di lapisan output.
Ada beberapa pilihan fungsi aktivasi yang digunakan di dalam
metode propagasi balik, seperti fungsi sigmoid biner, sigmoid bipolar, dan tangen hiperbolik. Karakteristik yang harus dimiliki fungsi aktivasi tersebut adalah kontinyu dan tidak menurun secara monoton. Fungsi aktivasi diharapkan jenuh (mendekati nilai-nilai maksimum dan minimum secara asimtot).
Sistem ini menggunakan metode algoritma pembelajaran
propagasi balik dengan jumlah neuron dalam layar masukan dan
keluaran serta jumlah layar tersembunyi yang dapat berubah-ubah.
Sistem ini berbasis desktop dikembangkan dengan bahasa pemrograman java dan masukan berupa berkas comma separated value (csv).
Dari hasil penelitian maka didapatkan bahwa penggunaan
fungsi aktivasi Sigmoid Biner memiliki tingkat rata-rata akurasi yang lebih baik dari Sigmoid Bipolar. Akan kecepatan perhitungannya lebih lambat dibandingkan dengan Sigmoid Bipolar.
Kata Kunci : Fungsi Aktivasi, Java, Propagasi Balik, Sigmoid Biner,Sigmoid Bipolar.