Postingan yang lalu sudah dibahas bagaimana mengelola Mat-file agar file hasil learning JST bisa dibuka kembali. Ketika dibuka dengan fungsi load pertama kali saya mencoba ternyata hanya variable hasil training yang muncul, misalnya variabel jst. Padahal kita ingin mengetahui bobot, bias, jumlah input, output dan neuronnya. Untuk mengetahui bagaimana melakukan training JST dapat Anda lihat postingan di menu JST. Sebenarnya kita sudah mengetahui jumlah neuron, bias dan bobot ketika kita melakukan proses pembelajaran, tetapi jika lupa mencatatnya maka kita dapat mengetahui paramater-parameter JST lewat langkah berikut ini.
Di sini kita mencoba menjawab pertanyaan berapa bobot, bias, dan jumlah neuron suatu JST? Seperti biasa buka Matlab dan masuk ke command window.
load training
Di sini saya memanggil file mat bernama “training” yang telah saya simpan sebelumnya dengan fungsi write. Perhatikan di jendela workspace, tampak muncul variabel baru bernama jst. Variabel itulah yang akan kita cari jawabannya. Caranya sederhana, ketik saja nama variabelnya
jst
Maka Anda akan disuguhkan oleh data-data yang tersimpan dalam variabel “jst”. Data-data itu tersusun dalam format bertitik. Perhatikan informasi bias dan bobot di bagian bawah.
-
>> bobot=jst.IW
-
bobot =
-
[9×4 double]
Maksud dari “jst.IW” adalah kita memanggil informasi bobot yang ada dalam variabel “jst” yang kemudian disimpan dalam variabel bernama “bobot”. Namun muncul masalah dimana bobot hanya menampilkan file bertipe structure. Tipe file ini sering digunakan oleh pengguna Matlab yang berkecimpung dengan database.
-
>> cell2mat(bobot)
-
ans =
-
0.6300 0.9296 0.5837 -0.2078
-
0.8001 -0.6945 0.9106 0.2863
-
-0.7114 0.9695 0.3352 -0.5743
-
0.8743 0.9537 -0.8952 0.5222
-
0.3212 0.0178 0.7384 -0.8089
-
-0.8575 0.5574 0.8318 -0.5720
-
-0.4038 -0.6834 0.3856 -0.8205
-
0.1292 -0.1272 0.5403 -0.7231
-
0.8403 0.7692 0.4331 0.4783
Sebenarnya jumlah bobot sudah terjawab, tetapi jika ingin mengetahui bobot tiap neuron berdasarkan masukan (ada 4 input) maka gunakan konversi dari cell ke mat (fungsi cell2mat). Begitu juga untuk biasnya:
-
>> bias=jst.b
-
bias =
-
[9×1 double]
-
[ -0.5114]
-
>> cell2mat(bias)
-
ans =
-
0.3908
-
-0.3910
-
0.9763
-
-0.8269
-
0.0012
-
-0.3521
-
0.6170
-
0.6681
-
-0.7900
-
-0.5114
Rahmadya Trias Handayanto 
mas, kalau [net, Pf, Af, e, perf] isinya nilai apa saja ya ? lalu kalau ingin mengetahui nilai hasil pelatihan & identifikasi bagaimana caranya ya ? trima kasih mas.
assalamualaikum pak mau tanya, kalau saya melakukan prediksi jumlah penyakit terbanyak yang muncul pada tahun berikutnya dengan data kunjungan (5 penyakit terbanyak) dari tahun 2012-2016 yang bagaimana pengolaha di matlabnya pak. apakah data inputnya semua data (5 th) atau pertahun dari 5 penyakit itu pak. dan bagaiman menentukan data target, uji, input pak mohon pencerahanya pak.
kalau pake narnet atau narxnet minimal 10 sepertinya. tetapi bisa saja per 3 tahun untuk memprediksi data 1 tahun berikutnya. untuk latihan targetnya tahun ke 4 dan 5
(dua data latih). kalau per 2 tahun target 3,4,5 (tiga data latih)
Assalamu’alaikum. Saya mau bertanya pak. Saya mengolah data menggunakan metode JST backpropagation, jumlah inputnya 15×27. saya menggunakan fx>>nntool untuk melakukan simulasi iterasi. saya sudah sampai simulasi iterasi, nah untuk menyimpan simulasi iterasi data tersebut agar bisa dilihat kembali bahgaiamana ya pak? kemudian untuk mengexport ke excel hasil WEIGHT nya setelah simulasi iterasi itu caranya bagaimana biar penempatan di excel nya sama kaya inputnya 15×27? terimakasih sebelumnya
dulu pernah posting melihat weight hasil training di sini: https://rahmadya.com/2017/06/13/mengekspor-bobot-dan-bias-ke-network-jst/ atau sebelumnya: https://rahmadya.com/2017/09/21/melihat-data-network-hasil-training-jst-versi-gui/ atau “search post” saja di blog ini. 15 field dgn 27 data ditraining dahulu lalu gunakan fungsi xlswrite utk mengirim hasilnya ke excel (xls).
Terimakasih pak atas sarannya
Selamat siang bapak, saya izin bertanya jika saya melakukan JST untuk 3 respon dan 4 input namun saya lakukan training satu per satu setiap respon. Jadi ada 3 jst terbaik dalam file .mat yang tersimpan, jika saya ingin meng-couple kan dengan genetic algorithm, bagaimana cara saya membuat fungsi objective untuk GA dengan 3 hasil JST, terima kasih sebelumnya
biasanya GA mengoptimalkan jumlah neuron, layer, dan parameter lain.
benar pak, biasanya GA itu mengoptimalkan JST, jadi ada istilah GA-ANN, tapi jika dibalik ANN-GA bagaimana pak, mungkin bapak ada saran karena saya buntu di pembuatan fungsi objective dengan file .mat dari JST. terima kasih
iya biasanya mencari jlh epoch, neuron dan layer terkecil agar komputasi ringan, tinggal membuat persamaan matematis fungsi objektifnya. yg perlu diingat GA itu optimasi, JST itu klasifikasi/prediksi. Performa JST berdasarkan akurasi, GA berdasarkan penurunan/kenaikan fungsi objektif dan konsistensi (running beberapa kali tidak terlalu berbeda hasilnya).