Mengetahui Data Network JST hasil Training

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

 

 

 

12 respons untuk ‘Mengetahui Data Network JST hasil Training

  1. 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.

    1. 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)

  2. 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

  3. 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

      1. 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

      2. 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).

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.