Algoritma JST (Jaringan Saraf Tiruan) dengan teknik SA (Simulated Annealing) adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada.
Inti perhitungan pada algoritma berbasis jaringan adalah untuk mencari bobot terbaik dari contoh / sampel data yang sudah ada. Karena hasil pada contoh data sudah diketahui, maka nilai bobot akan dihitung berdasarkan nilai hasil yang sudah tersedia, sampai ditemukan nilai bobot terbaik yang paling banyak cocok apabila dihitungkan kembali pada data awal. Kemudian nilai bobot tersebut dapat digunakan untuk menghitung data lain yang tidak diketahui hasilnya. Pada kasus ini, metode yang digunakan untuk mencari bobot terbaik adalah menggunakan metode SA (Simulated Annealing)
Ada argumen yang menyatakan bahwa nama lain dari algoritma ini adalah Algoritma Boltzmann Machine. Saya sendiri tidak menyimpulkan hal tersebut karena keterbatasan referensi yang saya temukan di internet. Silahkan menggunakan algoritma ini sebagai dasar dalam pengembangan algoritma tersebut.
Diasumsikan ada 8 data pelanggan yang sudah diketahui datanya, yaitu Pelanggan A,B,C,D,E,F,G,H
Masing-masing pelanggan memiliki kriteria, yaitu umur, jenis kelamin, skor kepribadian, dan memiliki nilai hasil yaitu Diterima / Ditolak
Diasumsikan 8 data tersebut adalah sebagai berikut:
Pelanggan | Umur | Jenis Kelamin | Skor Kepribadian | Hasil |
---|---|---|---|---|
Pelanggan A | 44 | Laki-laki | 3.55 | Diterima |
Pelanggan B | 52 | Perempuan | 4.71 | Diterima |
Pelanggan C | 60 | Perempuan | 6.56 | Ditolak |
Pelanggan D | 56 | Laki-laki | 6.8 | Ditolak |
Pelanggan E | 51 | Laki-laki | 6.94 | Ditolak |
Pelanggan F | 46 | Perempuan | 6.52 | Ditolak |
Pelanggan G | 48 | Laki-laki | 4.25 | Diterima |
Pelanggan H | 58 | Perempuan | 5.71 | Diterima |
Contoh data pelanggan awal adalah sebagai berikut:
Untuk Kriteria Jenis Kelamin:
Laki-laki dilambangkan dengan angka -1
Perempuan dilambangkan dengan angka +1
Untuk kriteria Nilai Hasil:
Terdapat 2 kolom untuk merepresentasikan kondisi Diterima dan Ditolak
Jika kondisi Diterima, maka inputan data kolom adalah 1, 0
Jika kondisi Ditolak, maka inputan data kolom adalah 0, 1
Dim data(9)() As Double data(0) = New Double() {44, -1, 3.55, 1, 0} data(1) = New Double() {52, +1, 4.71, 1, 0} data(2) = New Double() {60, +1, 6.56, 0, 1} data(3) = New Double() {56, -1, 6.8, 0, 1} data(4) = New Double() {51, -1, 6.94, 0, 1} data(5) = New Double() {46, +1, 6.52, 0, 1} data(6) = New Double() {48, -1, 4.25, 1, 0} data(7) = New Double() {58, +1, 5.71, 1, 0}
Selanjutnya ada 2 orang pelanggan baru yang mengajukan kredit sepeda motor
Maka tentukan pelanggan ini nantinya akan termasuk dalam kelompok Diterima / Ditolak
Diasumsikan data awalnya adalah sebagai berikut:
Pelanggan I | 47 | Perempuan | 6.05 |
Pelanggan J | 52 | Laki-Laki | 5 |
Contoh data pelanggan baru adalah sebagai berikut:
Untuk kriteria Nilai Hasil:
Terdapat 2 kolom untuk merepresentasikan kondisi Diterima dan Ditolak
Karena belum diketahui nilai hasilnya, maka semua inputan data adalah -1, -1
data(8) = New Double() {47, +1, 6.05, -1, -1} data(9) = New Double() {52, -1, 5, -1, -1}
Langkah-langkah penggunaan algoritma ini adalah
1. Lakukan normalisasi data untuk kriteria Umur dan Skor Kepribadian
Penjelasan lebih lanjut dapat dilihat pada penjelasan skrip dibawah ini (poin 1a – 1c)
1a. Hitung nilai rata-rata tiap-tiap kolom
yaitu dengan rumus: jumlah semua data dibagi dengan jumlah datanya
Dim total As Double = 0.0 For r = 0 To jumlahBaris - 1 total += data(r)(c) Next r Dim rata2 As Double = total / jumlahBaris hasil(0)(c) = rata2
1b. Hitung nilai standar deviasi tiap-tiap kolom
yaitu dengan rumus: akar dari ((kuadrat dari (jumlah dari (data – rata-rata))) / jumlah data)
Dim totalKuadrat As Double = 0.0 For r = 0 To jumlahBaris - 1 totalKuadrat += (data(r)(c) - rata2) * (data(r)(c) - rata2) Next r Dim stdDev As Double = Math.Sqrt(totalKuadrat / jumlahBaris) hasil(1)(c) = stdDev
1c. Normalisasi data dihitung dengan rumus (data – (rata-rata kriteria tersebut)) / standar deviasi kriteria tersebut
For c = 0 To kolom.Length - 1 Dim j As Integer = kolom(c) Dim rata2 As Double = hasil(0)(j) Dim stdDev As Double = hasil(1)(j) For i = 0 To jumlahBaris - 1 data(i)(j) = (data(i)(j) - rata2) / stdDev Next i Next c
2. Tentukan skema awal untuk algoritma ini.
Algoritma ini dapat digunakan untuk melakukan perhitungan yang memiliki banyak input dan menghasilkan banyak output
Diasumsikan dalam kasus ini, skema yang digunakan adalah 3 – 4 – 2, dimana:
- 3 adalah jumlah saraf input, karena ada 3 kriteria awal, yaitu Umur, Jenis Kelamin, dan Skor Kepribadian
- 4 adalah jumlah saraf tersembunyi yang digunakan. Jumlah saraf tersembunyi harus lebih dari jumlah saraf input
dalam kasus ini bisa lebih dari 4, tetapi hanya digunakan 4 saja untuk mempercepat perhitungan
- 2 adalah jumlah saraf output, Karena kriteria nilai hasil bergantung pada nilai 2 kolom, yaitu 1,0 jika diterima dan 0,1 jika ditolak
Const jumlahSarafInput As Integer = 3 Const jumlahSarafTersembunyi As Integer = 4 Const jumlahSarafOutput As Integer = 2 Dim jst As New JaringanSaraf(jumlahSarafInput, jumlahSarafTersembunyi, jumlahSarafOutput)
* Diperlukan sebuah class untuk menyimpan semua matriks data untuk digunakan dalam perhitungan algoritma ini. Class ini dinamakan class JaringanSaraf. Deklarasi awal untuk setiap pengisian data adalah sebagai berikut
Public Class JaringanSaraf Private rnd As Random Private jumlahSarafInput As Integer Private jumlahSarafTersembunyi As Integer Private jumlahSarafOutput As Integer Private inputs As Double() 'Matriks data untuk perhitungan jaringan saraf input-tersembunyi Private ihBobot As Double()() 'Nilai bobot pada jaringan saraf input-tersembunyi Private hBias As Double() 'Nilai bias pada jaringan saraf tersembunyi Private hOutput As Double() 'Nilai output sementara pada jaringan saraf tersembunyi 'Matriks data untuk perhitungan jaringan saraf tersembunyi-output Private hoBobot As Double()() 'Nilai bobot pada jaringan tersembunyi-output Private oBias As Double() 'Nilai bias pada jaringan saraf output Private outputs As Double() Public Sub New(jumlahSarafInput As Integer, jumlahSarafTersembunyi As Integer, jumlahSarafOutput As Integer) rnd = New Random(0) Me.jumlahSarafInput = jumlahSarafInput Me.jumlahSarafTersembunyi = jumlahSarafTersembunyi Me.jumlahSarafOutput = jumlahSarafOutput Me.inputs = New Double(jumlahSarafInput - 1) {} Dim ihBobot As Double()() = New Double(jumlahSarafInput - 1)() {} For r As Integer = 0 To ihBobot.Length - 1 ihBobot(r) = New Double(jumlahSarafTersembunyi - 1) {} Next Me.ihBobot = ihBobot Me.hBias = New Double(jumlahSarafTersembunyi - 1) {} Me.hOutput = New Double(jumlahSarafTersembunyi - 1) {} Dim hoBobot As Double()() = New Double(jumlahSarafTersembunyi - 1)() {} For r As Integer = 0 To hoBobot.Length - 1 hoBobot(r) = New Double(jumlahSarafOutput - 1) {} Next Me.hoBobot = hoBobot Me.oBias = New Double(jumlahSarafOutput - 1) {} Me.outputs = New Double(jumlahSarafOutput - 1) {} End Sub . . . End Class
3. Sebelum masuk ke dalam fungsi utama perhitungan, ada beberapa parameter yang perlu diperhatikan, yaitu:
3a. Tentukan jumlah solusi yang ingin dicari sekaligus dalam sekali perhitungan
Diasumsikan dalam kasus ini, jumlah solusi ada 5 buah
Const jumlahSolusi As Integer = 5
3b. Tentukan banyak perulangan yang dilakukan oleh proses algoritma ini.
DIasumsikan dalam kasus ini, jumlah iterasi yang digunakan adalah 10.000
Const maksIterasi As Integer = 10000
3c. Tentukan nilai suhu awal yang digunakan dalam proses.
DIasumsikan dalam kasus ini, nilai suhu awal adalah 1.000
Const maksSuhu As Double = 1000
3d. Tentukan faktor penurun suhu pada saat digunakan untuk proses berikutnya
Faktor penurun suhu berguna dalam proses perhitungan kemungkinan solusi berikutnya
Pada saat suhu tinggi (perhitungan awal), variabel solusi akan lebih mudah menerima solusi-solusi baru, agar tidak terjebak pada solusi awal yang mungkin tidak optimal
Pada saat suhu rendah (perhitungan akhir), variabel solusi tidak lagi menerima solusi baru, agar jawaban solusi tidak berubah-ubah
Diasumsikan dalam kasus ini, nilai faktor penurun suhu adalah 0.995,
artinya: untuk setiap perulangan berikutnya suhu akan berkurang sebanyak 0.005 * 10.000 = 50 derajat
Dim alpha As Double = 0.995
4. Lakukan proses pencarian nilai bobot dan bias terbaik
Metode yang digunakan adalah SA (Simulated Annealing)
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini (poin 4a – 4b)
Dim bobotTerbaik As Double() = jst.SA(contohData, jumlahSolusi, maksIterasi, maksSuhu, alpha) jst.setBobot(bobotTerbaik)
Memasuki perhitungan utama pada fungsi SA
* Inisialisasi jumlah bobot yang digunakan dalam perhitungan
- jumlah nilai bobot pada jaringan saraf input-tersembunyi adalah jumlah saraf input * jumlah saraf tersembunyi (3 * 4 = 12 buah)
- jumlah nilai bias pada jaringan saraf input-tersembunyi adalah jumlah saraf tersembunyi (4 buah)
- jumlah nilai bobot pada jaringan saraf tersembunyi-output adalah jumlah saraf tersembunyi * jumlah saraf output (4 * 2 = 8 buah)
- jumlah nilai bias pada jaringan saraf tersembunyi-output adalah jumlah saraf output (2 buah)
Sehingga, banyak data yang diperlukan adalah 12 + 4 + 8 + 2 = 26 buah data
Fungsi ini akan mencari data yang memiliki bobot terendah diantara semua data input, dan akan mengembalikan 26 buah data dengan susunan seperti diatas
Dim jumlahBobot As Integer = (Me.jumlahSarafInput * Me.jumlahSarafTersembunyi) + (Me.jumlahSarafTersembunyi * Me.jumlahSarafOutput) + Me.jumlahSarafTersembunyi + Me.jumlahSarafOutput
4a. Tentukan solusi acak untuk digunakan sebagai solusi awal sebanyak jumlah solusi yang sudah pernah ditentukan sebelumnya
4a1. Inisialisasi masing-masing solusi sebanyak jumlah bobot
Untuk setiap solusi, Beri nilai acak pada setiap dimensi / bobot
solusi(i) = New Double(jumlahBobot - 1) {} For t = 0 To jumlahBobot - 1 solusi(i)(t) = (maksPosisi - minPosisi) * rnd.NextDouble() + minPosisi Next t
4a2. Hitung nilai kesalahan untuk individu pada posisi tersebut
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini
nilaiKesalahan(i) = MeanSquaredError(contohData, solusi(i))
* Gunakan fungsi ini untuk menghitung tingkat kesalahan dari masing-masing data input
Hitung tingkat kesalahan nilai jawaban menggunakan teknik Mean Squared Error
dihitung dengan rumus jumlah dari (kuadrat dari (nilai jawaban – nilai hasil pada matriks data)) / jumlah data
Nilai jawaban yang baru bisa jadi mengembalikan nilai MSE yang lebih tinggi, sehingga nilai jawaban ini tidak bisa dipakai
Private Function MeanSquaredError(contohData As Double()(), bobot As Double()) As Double Me.setBobot(bobot) Dim contohDataKolomKriteria As Double() = New Double(jumlahSarafInput - 1) {} Dim contohDataKolomHasil As Double() = New Double(jumlahSarafOutput - 1) {} Dim hasil As Double = 0.0 For i As Integer = 0 To contohData.Length - 1 Array.Copy(contohData(i), contohDataKolomKriteria, jumlahSarafInput) Array.Copy(contohData(i), jumlahSarafInput, contohDataKolomHasil, 0, jumlahSarafOutput) Dim dataKolomHasil As Double() = Me.hitungNilaiOutput(contohDataKolomKriteria) For j As Integer = 0 To jumlahSarafOutput - 1 hasil += (contohDataKolomHasil(j) - dataKolomHasil(j)) * (contohDataKolomHasil(j) - dataKolomHasil(j)) Next Next Return hasil / contohData.Length End Function
4a3. Untuk masing-masing solusi awal, lakukan pengecekan apakah solusi ini berada pada posisi terbaik
If nilaiKesalahan(i) < nilaiKesalahanTerbaik Then nilaiKesalahanTerbaik = nilaiKesalahan(i) solusiTerbaik = solusi(i) End If
4b. Lakukan proses perhitungan sebanyak jumlah perulangan dan selama suhu belum mendekati 0 derajat (poin 4b1 – 4b2)
Do While iterasi < maksIterasi AndAlso suhu > 0.0001 . . .
4b1. Lakukan perulangan pada semua solusi yang ada (poin 4b1a – 4b1f)
For iSolusi As Integer = 0 To jumlahSolusi - 1 . . .
4b1a. Tentukan kemungkinan solusi berikutnya
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini (poin 4b1a1 – 4b1a2)
solusiBerikutnya = KemungkinanSolusiBerikutnya(solusi(iSolusi), minPosisi, maksPosisi, suhu, maksSuhu)
Memasuki perhitungan pada fungsi KemungkinanSolusiBerikutnya
4b1a1. Tentukan jumlah bobot yang akan diganti
Semakin tinggi suhu (pada awal perhitungan), maka semakin banyak jumlah bobot yang akan diganti, dan sebaliknya
Dim jumlahBobotYangDiganti As Integer = (suhu / maksSuhu) * rnd.Next(0, solusiSekarang.Count)
4b1a2. Lakukan perulangan sebanyak jumlah bobot yang akan diganti,
Tentukan indeks acak bobot yang akan diganti nilainya
Kemudian tentukan nilai bobot yang baru pada posisi tersebut
For i As Integer = 0 To jumlahBobotYangDiganti - 1 Dim idxBobot As Integer = rnd.Next(0, solusiSekarang.Count) Dim nilaiBobot = (maksPosisi - minPosisi) * rnd.NextDouble() + minPosisi solusi(idxBobot) = nilaiBobot Next
4b1b. hitung nilai kesalahan untuk solusi yang baru
Penjelasan tentang fungsi ini sudah dibahas pada poin sebelumnya
nilaiKesalahanSolusiBerikutnya = MeanSquaredError(contohData, solusiBerikutnya)
4b1c. Jika solusi yang ditemukan ternyata lebih baik dari solusi umum, maka ambil solusi ini sebagai solusi terbaik
If nilaiKesalahanSolusiBerikutnya < nilaiKesalahanTerbaik Then solusiTerbaik = solusiBerikutnya nilaiKesalahanTerbaik = nilaiKesalahanSolusiBerikutnya . . .
4b1d. Tentukan nilai acak sebagai nilai pembanding penerimaan solusi baru
Dim p As Double = rnd.NextDouble()
4b1e. Hitung probabilitas penerimaan solusi baru
Jika nilai kesalahan solusi baru lebih dari nilai kesalahan sekarang, maka nilai kemungkinan penerimaan solusi baru adalah 1 (pasti diterima)
Jika nilai kesalahan solusi baru tidak lebih dari nilai kesalahan sekarang, maka nilai kemungkinan penerimaan solusi baru akan dihitung dengan rumus exp((e − e’) / T)
Jika nilai suhu tinggi, maka rumus tersebut akan mengembalikan nilai mendekati angka 1, dan sebaliknya pada suhu rendah, maka rumus tersebut akan mengembalikan nilai mendekati angka 0
Dim kemungkinanPenerimaanSolusiBaru As Double = 0 If nilaiKesalahanSolusiBerikutnya < nilaiKesalahan(iSolusi) Then kemungkinanPenerimaanSolusiBaru = 1.0 Else kemungkinanPenerimaanSolusiBaru = Math.Exp(((iSolusi) - nilaiKesalahanSolusiBerikutnya) / suhu) End If
4b1f. Jika nilai kemungkinan penerimaan solusi baru lebih dari nilai acak p, maka ambil solusi ini sebagai solusi umum terbaik
If kemungkinanPenerimaanSolusiBaru > p Then solusi(iSolusi) = solusiBerikutnya nilaiKesalahan(iSolusi) = nilaiKesalahanSolusiBerikutnya End If
4b2. Turunkan suhu pada saat memasuki perulangan barikutnya, yaitu dengan rumus: suhu sekarang = suhu * alpha
suhu = suhu * alpha
* Gunakan fungsi ini untuk memasukkan matriks bobot awal kedalam 4 matriks data yaitu matriks ihBobot, hBias, hoBobot, oBias
ihBobot adalah matriks bobot pada jaringan saraf input-tersembunyi, dengan jumlah data = jumlah saraf input * jumlah saraf tersembunyi (3 * 4 = 12 buah)
hBias adalah matriks nilai bias pada jaringan saraf input-tersembunyi, dengan jumlah data = jumlah saraf tersembunyi (4 buah)
hoBobot adalah matriks bobot pada jaringan saraf tersembunyi-output, dengan jumlah data = jumlah saraf tersembunyi * jumlah saraf output (4 * 2 = 8 buah)
oBias adalah matriks nilai bias pada jaringan saraf tersembunyi-output, dengan jumlah data = jumlah saraf output (2 buah)
Public Sub setBobot(bobot As Double()) Dim jumlahBobot As Integer = (jumlahSarafInput * jumlahSarafTersembunyi) + (jumlahSarafTersembunyi * jumlahSarafOutput) + jumlahSarafTersembunyi + jumlahSarafOutput If bobot.Length <> jumlahBobot Then Throw New Exception("Pada fungsi SetBobotAwal, panjang matriks bobot: " & bobot.Length & " tidak sama dengan jumlah bobot yang seharusnya, yaitu " & jumlahBobot) End If Dim k As Integer = 0 For i As Integer = 0 To jumlahSarafInput - 1 For j As Integer = 0 To jumlahSarafTersembunyi - 1 ihBobot(i)(j) = bobot(k) k += 1 Next Next For i As Integer = 0 To jumlahSarafTersembunyi - 1 hBias(i) = bobot(k) k += 1 Next For i As Integer = 0 To jumlahSarafTersembunyi - 1 For j As Integer = 0 To jumlahSarafOutput - 1 hoBobot(i)(j) = bobot(k) k += 1 Next Next For i As Integer = 0 To jumlahSarafOutput - 1 oBias(i) = bobot(k) k += 1 Next End Sub
5. Lakukan perhitungan dari masing-masing contoh data menggunakan nilai bobot dan nilai bias yang sudah ditemukan
Penjelasan tentang fungsi ini akan dijelaskan pada perhitungan dibawah ini (poin 5a – 5g)
Dim output() As Double = jst.hitungNilaiOutput(input)
Memasuki perhitungan utama pada fungsi hitungNilaiOutput
5a. Beri nilai matriks input sesuai array input
For i = 0 To input.Length - 1 Me.inputs(i) = input(i) Next i
5b. Hitung matriks ihJumlahBobotDanBias dengan cara perkalian matriks antara matriks input dan matriks ihBobot
For j = 0 To jumlahSarafTersembunyi - 1 For i = 0 To jumlahSarafInput - 1 ihJumlahBobotDanBias(j) += Me.inputs(i) * ihBobot(i)(j) Next i Next j
5c. Kemudian masukkan nilai bias pada matriks ihJumlahBobotDanBias
For i = 0 To jumlahSarafTersembunyi - 1 ihJumlahBobotDanBias(i) += hBias(i) Next i
5d. Hitung nilai output sementara dengan menggunakan fungsi HyperTan untuk masing-masing data pada matriks hJumlahBobotDanBias
Penjelasan tentang fungsi HyperTan akan dijelaskan pada perhitungan dibawah ini
For i As Integer = 0 To jumlahSarafTersembunyi - 1 Me.hOutput(i) = HyperTan(hJumlahBobotDanBias(i)) Next
* Gunakan fungsi ini untuk menghitung nilai fungsi HyperTan (tanh)
Private Shared Function HyperTan(x As Double) As Double If x < -20.0 Then Return -1.0 ElseIf x > 20.0 Then Return 1.0 Else Return Math.Tanh(x) End If End Function
5e. Hitung matriks hoJumlahBobotDanBias dengan cara perkalian matriks antara matriks output sementara dan matriks hoBobot
For j = 0 To jumlahSarafOutput - 1 For i = 0 To jumlahSarafTersembunyi - 1 hoJumlahBobotDanBias(j) += hOutput(i) * hoBobot(i)(j) Next i Next j
5f. Kemudian masukkan nilai bias pada matriks hoJumlahBobotDanBias
For i = 0 To jumlahSarafOutput - 1 hoJumlahBobotDanBias(i) += oBias(i) Next i
5g. Hitung nilai output akhir dengan menggunakan fungsi Softmax untuk masing-masing data pada matriks hoJumlahBobotDanBias
Penjelasan tentang fungsi Softmax akan dijelaskan pada perhitungan dibawah ini (poin 5g1 – 5g3)
Dim hasil() As Double = Softmax(hoJumlahBobotDanBias) hasil.CopyTo(Me.outputs, 0) Return hasil
Memasuki perhitungan utama pada fungsi Softmax
5g1. Cari nilai maksimal data
Dim maksData As Double = hoJumlahBobotDanBias(0) For i = 0 To hoJumlahBobotDanBias.Length - 1 If hoJumlahBobotDanBias(i) > maksData Then maksData = hoJumlahBobotDanBias(i) End If Next i
5g2. Cari nilai skala
Dim skala As Double = 0.0 For i = 0 To hoJumlahBobotDanBias.Length - 1 skala += Math.Exp(hoJumlahBobotDanBias(i) - maksData) Next i
5g3. Hitung hasil akhir
Sehingga semua jumlah bobot pada parameter matriks hoJumlahBobotDanBias akan bernilai 1
Dim hasil(hoJumlahBobotDanBias.Length - 1) As Double For i = 0 To hoJumlahBobotDanBias.Length - 1 hasil(i) = Math.Exp(hoJumlahBobotDanBias(i) - maksData) / skala Next i
6. Jika nilai output bernilai kurang dari 0.5 maka pelanggan tersebut memiliki nilai hasil Ditolak
Jika nilai output bernilai lebih dari 0.5 maka pelanggan tersebut memiliki nilai hasil Diterima
Kemudian bandingkan nilai output dengan nilai hasil pada contoh data
Jika hasilnya sudah sama, maka catat data ini kedalam jumlah data benar
Jika hasilnya tidak sama, maka catat data ini kedalam jumlah data salah
If output(0) < output(1) Then Console.Write("-> Ditolak ") If contohData(i)(jumlahKolom - 2) < contohData(i)(jumlahKolom - 1) Then jumlahBenar += 1 Console.WriteLine("Benar") ElseIf contohData(i)(jumlahKolom - 2) > contohData(i)(jumlahKolom - 1) Then jumlahSalah += 1 Console.WriteLine("Salah") End If Else Console.Write("-> Diterima ") If contohData(i)(jumlahKolom - 2) < contohData(i)(jumlahKolom - 1) Then jumlahSalah += 1 Console.WriteLine("Salah") ElseIf contohData(i)(jumlahKolom - 2) > contohData(i)(jumlahKolom - 1) Then jumlahBenar += 1 Console.WriteLine("Benar") End If End If
7. Catat tingkat kecocokan perhitungan data dengan hasil awal pada data
Langkah ini tidak wajib, hanya untuk mengetahui seberapa besar tingkat kecocokan perhitungan untuk data baru yang akan dihitung selanjutnya
Console.WriteLine("Jumlah perhitungan benar = " & jumlahBenar & ", jumlah perhitungan salah = " & jumlahSalah) Console.WriteLine("Tingkat kecocokan perhitungan dengan hasil data adalah " & (jumlahBenar / (jumlahBenar + jumlahSalah)).ToString("F2"))
8. Lakukan perhitungan yang sama (poin 5 dan 6) untuk masing-masing data baru
For i As Integer = 0 To dataBaru.Length - 1 Console.Write("Pelanggan " & Chr(i + 65 + 8) & " ") Dim input(jumlahKolom - 3) As Double Array.Copy(dataBaru(i), input, jumlahKolom - 2) For j = 0 To input.Length - 1 Console.Write(IIf(input(j) >= 0, " ", "") & input(j).ToString("F2") & " ") Next j Console.Write(" ") Dim output() As Double = jst.hitungNilaiOutput(input) For j = 0 To output.Length - 1 Console.Write(output(j).ToString("F2") & " ") Next j Console.Write(" ") If output(0) < output(1) Then Console.Write("-> Ditolak ") Else Console.Write("-> Diterima") End If Console.WriteLine("") Next
Hasil akhir adalah: (klik untuk perbesar gambar)
Contoh modul / source code dalam bahasa VB (Visual Basic) dapat didownload disini:
[sdm_download id=”1531″ fancy=”0″]
Jika membutuhkan jasa kami dalam pembuatan program, keterangan selanjutnya dapat dilihat di Fasilitas dan Harga
Jika ada yang kurang paham dengan langkah-langkah algoritma diatas, silahkan berikan komentar Anda.
Selamat mencoba.
Leave a Reply