algoritma feedforward

1. Penerapan Algoritma FeedForward pada Peramalan
Cuaca
GEDE YOGI PRATAMA
2301080001

2. Algoritma Feedforward Neural Network
Algoritma Feedforward Neural Network
merupakan bentuk neural network yang paling
sederhana karena informasi hanya diproses
dalam satu arah. Data dapat melewati
beberapa hidden node, namun selalu bergerak
dalam satu arah dan tidak pernah mundur ke
belakang.
Dengan kata lain, jaringan saraf
Feedforward hanya memungkinkan sinyal
untuk melakukan perjalanan melalui satu
jalur saja, yakni dari input ke output. Tidak
ada koneksi umpan balik dari output ke
dirinya sendiri (loop).

3. Arsitektur Feedfoward Neural Network
Arsitektur Feedfoward Neural Network terdiri atas
input layer, hidden layer, dan output layer.
Lapisan paling kiri disebut input layer, dan
neuron di dalam lapisan ini disebut input
neuron. Lapisan paling kanan adalah output
layer yang berisi output neuron. Lapisan
tengah disebut hidden layer, karena neuron
pada lapisan ini bukan merupakan input
maupun output.

4. Input layer: Lapisan ini terdiri dari neuron yang menerima input dan meneruskannya ke lapisan
lain. Jumlah neuron pada lapisan input harus sama dengan atribut atau fitur dalam dataset.
Bobot neuron: Bobot mengacu pada kekuatan atau amplitudo koneksi antara dua neuron. Nilai
bobot ini sering diinisialisasi ke nilai acak kecil, seperti nilai dalam rentang 0 hingga 1.
Hidden layer: Merupakan lapisan yang berada di antara lapisan input dan output. Lapisan ini
berisi beberapa neuron yang menerapkan transformasi ke neuron input sebelum melewatinya.
Saat jaringan dilakukan training, nilai bobot diperbarui agar lebih prediktif.
Output layer: Merupakan lapisan keluaran yang berisi hasil fitur yang telah diprediksi. Keluaran
yang dihasilkan bergantung pada jenis model yang kita buat.

5. Cara Kerja Algoritma Feedforward Neural Network
Perkalian bobot dan masukan
Menambahkan bias
Mencari nilai output dengan mengalikan matrik yang didapat dengan
matrik bernilai 1

6. Dataset
Suhu
Minimu
m
Suhu
Maksim
um
Suhu
Rata-
rata
Kelemb
apan
Penyina
ran
20 26 22 87 1.5
Dari data disamping diberikan ambang sebesar
100 dimana apabila nilai yang dihasilkan
kurang dari ambang batas maka dinyatakan
tidak hujan dan apabila nilai melebihi ambang
batas maka dinyatakan hujan

7. x1 x2 x3 x4 x5
20 26 22 87 1.5
1 2 3
w1 0.2 0.1 0.3
w2 0.1 0.3 0.2
w3 0.2 0.2 0.1
w4 0.3 0.2 0.1
w5 0.1 0.2 0.1
b1 = 1
B2 = 0.5
B3 = 1
x2
x1
h1
x3
x4
x5
h2
h3
y

8. Perkalian Masukan dan bobot
x1w11 + x2w21 + x3w31 + x4w41 + x5w51
x1w12 + x2w22 + x3w32 + x4w42 + x5w52
x1w13 + x2w23 + x3w33 + x4w43 + x5w53
20.0,2 + 26.0,1 + 23.0,2 + 87.0,3 + 1,5.0,1
20.0,1 + 26.0,3 + 23.0,2 + 87.0,2 + 1,5.0,2
20.0,2 + 26.0,3 + 23.0,1 + 87.0,1 + 1,5.0,1
37,45 +1
32,1 + 0,5
29,95 + 1
38,45
32,6
30,95

9. Menambahkan Bias
37,45 +1
32,1 + 0,5
29,95 + 1
h1 = 38,45
h2 = 32,6
h3 = 30,95

10. Mencari Nilai Output
Y = 38,45 + 32,6 + 30,95
Y = 102
Berdasarkan hasil yang didapat maka nyatakan
terjadi hujan
38,45
32,6
30,95
1
1
1