J ENI SJENI SAL GORI TMA MA
BRANCH AND BOUND Met ode Br anchand Boundadal ahsebuaht ekni kal gor i t mayangsecar akhususmemp mpel aj ar i b ag a i ma nac a r a n y ame mp mp er k e c i l Se ar c hT r e eme nj a di s e k e c i l mu ng k i n . Ses uai deng annaman y a,me t odei ni t er di r i d ar i 2l angk ahy ai t u: • anchyangar t i nyame memb mbangunsemu muacabangt r eeyangmungki nme menuj usol usi . – Br undyangar t i nyame menghi t ungnodemanayangmer upakanact i v enode( Enode)dannode – Bo mana y ang mer upakan dead node ( Dnode)dengan menggunakan sy ar atbat as cons t r ai nt ( k endal a) . •
• – • – • –
• – – – –
TEKNI KBRANCHANDBOUND FI FO Br anchandBound Adal aht ekni kBr anchandBoundyangme menggunakanbant uanqueueunt ukper hi t unganBr anch andBounds ec ar aFi r s tI nFi r s tOut . LI FO Br anchandBound Adal aht ekni kBr anchandBoundyangmenggunakanbant uanst ackunt ukper hi t unganBr anch an dBo unds ec ar aLa s tI nFi r s tOu t . LeastCostBr anchandBound T ek ni ki n ia k anme ng hi t u ngc o sts e t i a pn od e.No dey a ngme mi mi l i k ic os tp al i n gk e c i ld i k at a ka n me mi mi l i k ik e mu mu ng ki n anp al i n gb es armen uj us o l u si . MASALAHYANG DAPATDI PECAHKAN Br anchandBounddapatdi gunakanunt ukme meme mecahkanber bagaimasal ahyangme menggunakan Se ar c hT r e e T r a v el i ngSa l e sma nPr o bl em NQueenPr obl em 1 5Pu z z l ePr o bl e m 0 / 1Kn ap s a c kPr o bl e m Shor t es tPat h
Algoritma Brute For Force ce Al g or i t ma Br u t eF or c ea d al a hs e bu ah p en de k at a n y a ngl e mp mp an g( s t r a i g ht f o r wa r d )u nt u kme me me me c ah k an s u at uma s al a h,b i a s an y ad i d as a r k a np ad ap er n y a t a an ma sa l ah( pr o bl e ms t a t e men me t )d ande fini s i k o ns ep y angdi l i bat k an. [ 7] Pr i ns i p– pr i ns i pal gor i t mabr ut ef or c eunt uk me ny e l e sa i k anpe r s oal anI n t e ge rKn ap sa cki a l a h: 1)Mengenume mer asi kansemu muahi mpunan bagi an dar i s ol us i . 2)Mengev al uas it ot al k eunt ungan dar is et i ap h i mp un anba gi a nd ar i l a ng k ahpe r t a ma ma 3 )Pi l i hhi mp un anba gi a ny an gme me mp mp un y a it o t a l
k e un t u ng ant e r b es a r
Algoritma Greedy Se car ah ar fi ah ,gr e ed yb er a r t i r a k usa t a ut a ma k. Al g or i t ma Gr e ed y me r u pa k an a l g or i t mas e da r h an a d anl e mp an gy a ngp al i n gpo pu l e ru nt u kp eme c ah an p er s o al a no pt i ma s i( ma k s i mu ma t a u mi n i mu m) . Pr i n si p gr ee dy a da l a h:“ t a k ewh aty o uc an ge t no w! ” ,y angdi gun ak andal am k ont ek spos i t i f . [ 7] Ad at i g ape nd ek a t a nda l a m me n y e l e s a i k a n pe r s oal an I nt eg erKn ap sa ckd en gana l go r i t ma Gr eedy: 1)Gr eedyb yp r o fit . Pa dase t i a pl a ng ka h,k na ps ac kdi i s i d en ga no bj e k y a ngmemp un y ai k e unt u ng ant e r b es ar .St r at eg ii n i menc obamemak si mumka nk eunt ungandengan me mi l i hob j e ky a ngpa l i n gmen gun t un gk ant e r l e bi h d ah ul u . 2 )Gr e ed yb ywe i g ht . Pa dase t i a pl a ng ka h,k na ps ac kdi i s i d en ga no bj e k y angmempun y ai ber atpal i ng r i ng an.St r at egi i ni menc obamemak si mumka nk eunt ungandengan memasukk ansebany akmungki nobj ekkedal am knapsack. 3)Gr eedyb yd ens i t y . Pa dase t i a pl a ng ka h,k na ps ac kdi i s i d en ga no bj e k y angmempun y ai dens i t a s,pi/ wit er bes ar . St r at eg i i ni mencoba memaks i mumkankeunt ungan dengan me mi l i hob j e ky a ngme mp un y a ik e u nt u ng anpe ru ni t ber att er bes ar .
Algoritma Dynamic Programming Pr o g r a m Di n ami s( d y n ami cp r o gr a mmi n g) :me t o de pemecahanmasal ahdengancar amengur ai kansol usi me nj a dis e k ump ul a nl a ng k ah( s t e p)a t a ut a ha pa n ( s t ag e)s edemi k i an s ehi ngg as ol us idar ip er s oal an d ap atd i p an da ng d ar i s e r a ng k ai a nk ep ut u s an y a ng s al i ngber k ai t an. [ 7] Pa dape ny e l e s ai a np er s o al a nd en ga nme t o dei n i :
( 1)t er dapats ej uml ahb er hi nggap i l i han y ang mungki n, ( 2)sol us ipadas et i apt ahapdi bangun dar i has i l s ol u si t a ha ps eb el u mn y a, ( 3 )k i t ame ng gun ak an pe r s y ar a t a no pt i ma si d an k e nd al aun t u kme mb at a si s ej uml a hp i l i h any an g h ar u sdi p er t i mb an gk a np ad as u at ut a ha p. Dua pendekat anyangdi gunakan dal am Dynami c Pr o g ammi n ga da l a hma j u( f o r wa r da t a uu pd o wn ) d anmu nd ur( b ac k wa r dat a ub ot t o mu p) . Mi s a l k a nx 1 ,x 2 ,…,x nme ny a t a k anp eu ba h( v a r i a bl e ) k e pu t u s an y a ngh ar u sd i b ua tma s i n gma s i n gun t u k t a ha p1 ,2 ,…,n .Ma k a , a .Pr o gr a md i n ami s ma j u :Pr o gr a md i n ami s ber ger ak mul aidar it ahap 1,t er us maj u ke t ahap 2,3,dan set er usnya sampait ahap n. Runt unan p eu ba hk e p ut u s a na da l a hx 1 ,x 2 ,…,x n . b .Pr o gr a md i n ami s mu nd ur :Pr o gr a md i n ami s be r ge r a kmul a id ar i t ah ap n ,t e r u smu nd urk e t a ha pn–1,n–2,d anse t e r u s ny as amp ai t a ha p 1 .Ru nt u na np eu ba hk e p ut u s a na da l a hx n ,x n 1 , …,x 1. Secar a umum,adaempatl angkahy ang di l akukan dal am mengembangkanaal gor i t mapr ogr am di n ami s : 1.Kar ak t er i s t i k kans t r uk t urs ol us iopt i mal . 2.Defi ni s i k ans ec ar ar ek ur s i fni l ai s ol us i opt i mal . 3.Hi t ungni l ai s ol us iopt i mal s ec ar amaj uat au mundur . 4.Kons t r uk si s ol us iopt i mal .
Algoritma Divide and Conquer Al g or i t ma d i v i d ea ndc on qu ers u da hl a madi p er k e na l k a ns e ba ga is u mb erd ar i pengendal i anpr os espar al el ,k ar enama sal ahmas al ahy angt er j a di dapatdi at as i
s e c ar ai n de pe nd en .Ba ny a ka r s i t e k t u rd anba ha s ap emr o gr a ma np ar a l e lme nd es a i n i mpl ement as i n ya( apl i k as i )dengans t r uk t urdas ardar i al gor i t madi v i deandconquer . Un t u kme ny e l e s ai k a nma s al a hma s al a hy a ngbe s ar ,d andi b ag i( d i p ec a h)me nj a di b ag i a ny a ngl e bi hk ec i l d anme ng gu na k ans e bu ahs o l u s iu nt u kme ny e l e s ai k a n pr obl em a wal adal ahpr i ns i pdas ardar i pemr ogr aman/ s t r at egi di v i deandc onque r .
ht t p: / / her mant ek ni k . bl ogs pot . c o. i d/ 2012/ 10/ j eni s j eni s a l gor i t ma. ht ml
ALGORITMA KEAMANAN PADA SISTEM OPERASI JARINGAN
A.
Al gor i t maGenet i ka( Genet i cAl gor i t hm,GA)
Al gor i t ma Gene t i ka pada dasar ny a adal ah pr ogr am komput er y ang mensi mul asi kan pr osesev ol usi .Dal am hali nipopul asidarikr omosom di hasi l kan secar a r andom dan memungki nkan unt uk ber ke mbang bi ak sesuai de ngan hukumhukum ev ol usidengan har apan akan menghasi l kan i ndi vi du kr omos om yangpr i ma.Kr omosom i nipadakenyat aannyaadal ah kandi datpeny el esai an dar i masal ah, s ehi ngg a bi l a kr omos om yang bai k ber kembang, sol usi y ang bai k t er hadapmasal ahdi har apkan akandi hasi l kan. Al gor i t magene t i kasang att epatdi gunakan unt uk peny el esai an masal ah opt i masi yang kompl eks dan sukar di sel esai kan dengan menggunakan me t ode yang konv ensi onal . Sebagai mana hal nya pr ose s ev ol usi di al am, suat u al gor i t ma
genet i ka yang se der hana umumnya t er di r idar it i ga oper at or yai t u: operator reproduksi orcrossover at ormut asi ,operat ( pe r s i l ang an)danoper .
B.
Di vi deand Conquer
par adi gma unt uk membagisuat u per mas al ahan besarmenj adiper mas al ahanper masal ahanyangl ebi hkeci l .
C.
Dynami cpr ogr ammi ng
par adi gma pemr og r aman di nami k akan sesuai j i ka di gunakan pada suat u mas al ah yang mengandung subs t r ukt ur yang opt i mal ( , dan mengandung beber apabagi anper masal ahanyangt umpangt i ndi h.
D.
Met odeser akah
Sebuah al gor i t maser akah mi r i p denganse buah Pemr ogr aman di nami k,bedanya j awabandar isubmasal aht i dakper l udi ke t ahuidal am se t i apt ahap; danmenggunakanpi l i han" ser akah"apayangdi l i hatt er bai kpadasaati t u.
E.
Al gori t maGr eedy
mer upakan sal ah sat u dar iseki an banyakal gor i t mayangser i ng ALgo r i t magr eedy dipakaidal am i mpl ement as isebuah sys t em at au pr og r am yang menyangkut
opt i masi mengenai pencar i an “ ” Didal am mencar ise buah so l usi( opt i masi )al gor i t ma gr ee dy hanya memakai2 buahmacam per soal anOpt i masi , yai t u: 1.Maksi masi( maxi z i mat i on) 2.Mi ni masi( mi ni mi zat i on) Sekar ang ki t al anj utke cont oh soalyang aj a ya. . bi arl ebi h enak membedakan ant ar aso almenge naiopt i masi /maksi masidenganmi ni mum/mi ni masi .
F.
Al gori t maDi j kst r a
Al gor i t ma Di j ks t r a, ( di namai menur ut penemunya, seor ang i l muwan komput er ,Eds g e rDi j ks t r a) ,adal ah sebuah al gori t mar akus( ang g r e edyal go r i t hm)y di pakaidal am memec ahkan per masal ahan j ar akt er pendek( s ho r t e s tp at hpr o bl e m)
unt ukse buahgraf ber ar ah ( ngan bobot bobots i si( ) di r e c t e dg r aph)de edgewei ght s yangber ni l ait akneg at i f . Mi s al ny a,bi l av buah gr afmel ambangkan kot akot a dan bobotsi si e r t i c e sdarise ( )mel ambangkan j ar ak ant ar a kot akot at er se but ,maka al gor i t ma edge wei ght s Di j kst r adapatdi gunakanunt ukmenemukanj ar akt er pendekant ar aduakot a. I nputal gor i t ma i niadal ah se buah gr afber ar ah yangber bobot( we i g ht e d di r e c t e d sebuah sumberv dal am G danVadal ah hi mpunan graph)G dan e r t e xs semu av er t i ces dal am gr aphG. Set i ap si si dar i gr af i ni adal ah pasangan ver t i ces ( ang mel ambangkan u, v) y hubung andar iv mpunanse muat epidi se butE. e r t e xukev e r t e xv.Hi Bobot( )dar isemuasi sidi hi t ungdenganf ungsi we i g ht s →[ 0,∞) w:E j adiw( ahj ar a kt ak ne g at i fdar iv e r t e xu kev e r t e xv. u, v)adal Ongkos( )darisebuahsi sidapatdi anggapsebagaij arakant araduav ,yai t u c o s t e r t e x j uml ah j ar ak semua si si dal am j al ur t er sebut . Unt uk sepasang v er t e xs dant dal am V,al gori t mai nimenghi t ungj arakt er pendekdarisket .
G. Al gor i t maKr i pt ogr afi Al gor i t ma kr i pt ogr afiat auci pher, dan j uga ser i ng di sebut de ng an i s t i l ahsandiadal ah suat uf ungs imat emat i s yang di gunakan unt uk mel akukan enkr i psidan dekr i psi( Schnei er ,1996) .Ada dua macam al gor i t ma kr i pt ogr afi, yai t ual gor i t ma si me t r i s( symme t r i c al gor i t hms) danal gor i t ma a si me t r i s ( a sy mme t r i ca l g o r i t hms ) .
H. Al gor i t mar andom al gori t mar andom se r i ngdi but uhkan ke t i ka membuatAIunt uk musuh,mi sal ny a unt ukmemuncul kanpasukanmusuhse car ar andom.f ungs ise der hanaber i kuti ni di gunakanunt ukmencar ini l air andom dar ibi l anganant ar ami n–max. v ara=Mat h. floor ( Mat h. r andom( )*( max–mi n+1) )+mi n; mi sal nyami n=1danmax=10,makaakanmenghasi l kanni l air andom padav ara padaki sar an110. http!!"ar"id#$%&log'pot%co%id!#()*!)#!algoritma+,eamanan+pada+'i'tem+ opera'i%html
Penggunaan Waktu Quantum
Berikut adalah algoritma penjadwalan Round Robin secara Keseluruhan :
•
Setiap proses mendapat jatah waktu P! "time slice#$uantum% tertentu &ime slice#$uantum umumn'a ntara () – ()) milidetik*
(* Setelah time slice#$uantum maka proses akan di+preempt dan dipindahkan ke antrian read'* ,* Proses ini adil dan sangat sederhana*
•
-ika terdapat n proses di .antrian read' / dan waktu $uantum $ "milidetik%0 maka:
(* 1aka setiap proses akan mendapatkan (#n dari waktu P!* ,* Proses tidak akan menunggu lebih lama dari: "n+(%$ time units*
•
Per2ormance dari algoritma ini tergantung dari ukuran time $uantum
(* &ime Quantum dengan ukuran 'ang besar maka akan sama dengan 33S* ,* &ime Quantum dengan ukuran 'ang kecil maka time $uantum harus diubah ukurann'a lebih besar dengan respek pada conte4t switch sebalikn'a akan memerlukan ongkos 'ang besar* Sumber: http:##en*wikipedia*org#wiki#Round+robin5scheduling http:##bebas*6lsm*org#6)7#Kuliah#Sistem8perasi#B!K!#Sistem8perasi+9*+ (#ch(9s);*html http:##blog*uin+malang*ac*id#sin9#,)()#()#(9#algoritma+penjadwalan+proses+round+ robin+r+r# Graph adalah suatu struktur data yang berbentuk network / jaringan dimana hubungan antara elemen-elemennya adalah many-to-many . contoh dalam kehidupan sehari-hari yang
berbentuk graph ini cukup banyak , misalnya: hubungan dosen dengan mahasiswa, dimana satu dosen bisa mengajar lebih dari satu mahasiswa, dan satu mahasiswa dapat memiliki lebih dari satu dosen. Graph terdiri dari Node ( V!"#$ dan %!& ( 'G $. ang dimaksud degan Node adalah elemen graph yang berisi in)ormasi sedangkan %!& (dge $ dalah *ath yang menghubungkan dua buah node. 'ua buah node yang dihubungkan dengan edge juga disebut %djacent Node.
Teminologi +uatu subset / bagian dari Graph dinamakan +ubGraph. +edangkan yang disebut dengan *ath adalah hubungan dari kumpulan node-node dimana tiap node dengan node berikutnya dihubungkan dengan dge. +ebuah path dikatakan simple path bila setiap node hanya muncul satu kali dalam path tersebut. Graph dibedakan atas dua tipe , yaitu : • Undirected GRAPH ika sepasang node yang membentuk edge dalam graph tidak berarah seperti ditunjukkan oleh gambar di bawah ini :
Gambar 0.1: 2ndirected Graph
3ila ada minimal sepasang node mempunyai hubungan maka graph tersebut 2n&onnected Graph seperti gambar di bawah ini :
ika node pertama dan node terakhir dalam graph adalah sama,maka graph tersebut dinamakan &ycle Graph. %pabila semua edge dalam graph diberi nilai ( 4alue $ , maka graph tersebut dinamakan 5eight Graph. . !epresentasi Graph Graph dapat direpresentasi Graph dengan dua cara yaitu : %djancency 6ist dan %djacency 7atri8. 'engan mempergunakan gambar di bawah ini sebagai contoh maka representasi graph dengan masing-masing cara dapat dijelaskan sebagai berikut :
a$ %djacency 6ist
14.2 Graph Traversal +ama seperti "ree , maka dalam graph juga dikenal operasi Graph "ra4ersal, yaitu penelusuran semua node di dalam graph. %da 1 cara untuk melakukan "ra4ersal dalam Graph yaitu 9 3readth irst +earch dan 'epth irst +earch. prosedur pencarian 3readth-irst +earch menggunakan %'" ;ueue dalam pemrosesan node, sebaliknya untuk 'epth irst +earch kita mengunakan %'" +tack. +elama pemrosesan dari algoritma, setiap node didalam graph akan berada pada < keadaan dibawah ini, yang disebut status dari n, < keadaan tersebut sebagai berikut: +"%"2+ = : (!eady status$ keadaan awal dari setiap node. +"%"2+ = 1: (5aiting status$ node N sudah berada pada >ueue atau stack, menunggu untuk pemrosesan selanjutnya. +"%"2+ = <: (*rocessed status$ node N sudah diproses. • Breadth-irst !earch ?nti dari 3readth irst +earch(3+$ sendiri adalah pencarian yang dimulai dari root %. *ertama kita periksa root-nya %, setelah itu node @ node yang bertetanggaan dengan %. +etelah selesai baru kita periksa semua node tetangga % yang bertentanggaan lagi, dan seterusnya. +elanjutnya kita harus mengikuti semua tetangga dari % dengan cermat, jangan sampai ada satu node yang diproses lebih dari satu kali. +emuanya dapat dilakukan dengan bantuan >ueue yang menyimpan node yang menunggu untuk diproses dan dengan menggunakan )ield STATUS untuk mengetahui status dari node. %lgoritmanya: . inisialisasi semua node dalam keadalam ready. (+"%"2+ = $. 1. letakkan root in >ueue dan ganti statusnya menjadi tunggu (+"%"2+ = 1$. <. ulangi langkah 0 dan A sampai >ueue kosong: 0. pindahkan depan node N di >ueue. *roses N dan ganti statusnya menjadi sudah diproses (+"%"2+ = <$. A. tambahkan ke belakang dari >ueue semua tetangga dari N yang dalam status ready saja (+"%"2+ = $, lalu ganti statusnya (+"%"2+ = 1$ B. e8it. &atatan: algortima diatas akan memeriksa hanya node yang dapat di capai oleh node % saja.
%
!CN" = !%! =
;22: % C!?G: D
3
!CN" = 1 !%! = 0
;22: %, , &, 3 C!?G: D, %, %, %
&
!CN" = < !%! = A
;22: %, , &, 3, ' C!?G: D, %, %, %,
'
!CN" = 0 !%! = A
;22: %, , &, 3, ' C!?G: D, %, %, %,
!CN" = A !%! = B
;22: %, , &, 3, ', G C!?G: D, %, %, %, , 3
!CN" = B !%! = B
;22: %, , &, 3, ', G C!?G: D, %, %, %, , 3
G
!CN" = E !%! = E
;22: %, , &, 3, ', G, C!?G: D, %, %, %, , 3, G
F
!CN" = !%! =
;22: %, , &, 3, ', G, , C!?G: D, %, %, %, , 3, G,
'ikarenakan adalah tujuannya maka berhenti proses tersebut dan balik arah dari ke % dengan menggunakan array C!?G untuk mendapatkan path, sehingga didapatkan: HHGH3H% I 'epth-irst +earch ide dari '+ ini hampir sama dengan 3+, hanya saja pada '+ kita akan menggunakan struktur data +tack. *rosesnya pun sama dengan menggunakan ketiga status yang kita gunakan juga pada 3+. %lgortimanya: . inisialisasi semua node dalam keadalam ready. (+"%"2+ = $. 1. letakkan root in >ueue dan ganti statusnya menjadi tunggu (+"%"2+ = 1$. <. ulangi langkah 0 dan A sampai >ueue kosong: 0. pindahkan depan node N di >ueue. *roses N dan ganti statusnya menjadi sudah diproses (+"%"2+ = <$. A. tambahkan ke belakang dari >ueue semua tetangga dari N yang dalam status ready saja (+"%"2+ = $, lalu ganti statusnya (+"%"2+ = 1$ B. e8it. &atatan: algortima diatas akan memeriksa hanya node yang dapat di capai oleh node % saja. "ontoh #!$ 7isalkan kita akan mencari semua node yang bisa di jangkau oleh node : a. push kedalam stack +"%&J: b. pop, dan cetak elemen teratas , kemudian push kedalam stack semua neighbor (yang berada pada status !%'$ *!?N": +"%&J: ', J
c. pop, dan cetak elemen teratas J, kemudian push kedalam stack semua neighbor J (yang berada pada status !%'$ *!?N": J +"%&J: ', , G d. pop, dan cetak elemen teratas G, kemudian push kedalam stack semua neighbor dari G (yang berada pada status !%'$ *!?N": G +"%&J: ', , & e. pop, dan cetak elemen teratas &, kemudian push kedalam stack semua neighbor dari & (yang berada pada status !%'$ *!?N" :& +"%&J: ', , ). pop, dan cetak elemen teratas , kemudian push kedalam stack semua neighbor dari (yang berada pada status !%'$ *!?N": +"%&J: ', g. pop, dan cetak elemen teratas , kemudian push kedalam stack semua neighbor dari (yang berada pada status !%'$ *!?N": +"%&J: ' h. pop, dan cetak elemen teratas ', kemudian push kedalam stack semua neighbor dari ' (yang berada pada status !%'$ *!?N": ' +"%&J: +tack dalam keadaan kosong sekarang, selesainya proses tra4ersal '+ dari node . Fasilnya yang tercetak adalah: ,J, G, &, , , '
Algoritma Pembelajaran Backpropagation +esuai dengan namanya, algoritma ini melakukan dua tahap komputasi yaitu : perhitungan maju (feedforward $ dan perhitungan mundur (backward $, dalam setiap
iterasinya, jaringan akan memperbaiki nilai-nilai bobot dan bias pada semua neuron yang ada di jaringan. %lgoritma 3ackpropagation adalah salah satu algoritma yang menggunakan metode terawasi (supervised learning$, dan termasuk jaringan 76* (Multi Layer Perceptron$.
Gb. aringan Multi Layer Perpceptron %lgoritma *embelajaran 3ackpropagation : K ?nisialisasi semua input, target, bobot awal, bias awal dan target keluaran. K ?nisialisasi poch. K ?nisialisasi learning rate, ma8imum error. Feedforward: ○ Fitung nilai masukan dengan )ormula :
pada
tiap
pasangan
elemen
input
pada
hidden layer
ika kita menggunakan )ungsi akti4asi sigmoid, hitung output dengan :
○
○
Fitung sinyal keluaran dari hidden layer untuk layer dengan menggunakan persamaan :
mendapatkan
keluaran output
ika kita menggunakan )ungsi akti4asi sigmoid, hitung output dengan :
○
Jemudian, keluaran jaringan dibandingkan dengan target, hitung error dengan :
○
Fitung 7+ (7ean +>uare rror$ :
○
dengan n adalah jumlah input masukan.
Backpropagation : ○ *ada tiap unit output, gunakan )ormula ini untuk memperbaiki nilai bobot dan bias :
*erbaiki nilai bobot dan bias dengan menggunakan )ormula :
○
Fitung sinyal balik dari output layer pada tiap unit di hidden layer
○
*ada tiap unit hidden layer, hitung deltaL untuk memperbaiki nilai bobot dan bias :
○
*erbaiki nilai bobot dan bias dengan menggunakan )ormula :
○
2ntuk semua layer, perbaiki bobot dan bias :
○
Fitung 7+ (7ean +>uare rror$ dengan menggunakan )ormula :
○
dengan n adalah jumlah input masukan. ika (poch H ma8imum poch$ atau (7+ H "arget rror$, ulangi langkah pelatihan.
○
