No Jumlah Glukosa Tekanan Usia

1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.2 -0.1 0.3
z2 0.4 -0.3 0.1
z3 0.5 -0.5 0.4
z4 0.2 -0.4 0.3
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.23  k  (t k  yk ) f ' ( y _ ink )
error output
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.3 zinput1 zoutput1
-0.2 0.2 zinput2 zoutput2
-0.3 0.4 zinput3 zoutput3
0.1 0.4 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

k ) f ' ( y _ ink )
Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.2 -0.1 0.3
z2 0.4 -0.3 0.1
z3 0.5 -0.5 0.4
z4 0.2 -0.4 0.3
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.3
 k  (t k  yk ) f ' ( y _ ink )
error output 0.081068251897193
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k 0.024320475567309 0.024320476 5.224509E-27

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 0.01621365 z1
Step 7
z2 -0.032427301 z2
z3 0.024320476 z3
z4 0.008106825 z4

delta bobot v1 v2
vij   j xi z1 0.000465516 0.0114827357
v0 k   j z2 0.001954131 0.048201888
Step 7
z3 0.001038781 0.0256232543
 Step 7
z4 0.000117338 0.0028943396

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1 0.200465516 -0.088517264
Step 8
z2 0.401954131 -0.251798112
z3 0.501038781 -0.474376746
z4 0.200117338 -0.39710566
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.3 zinput1 23.3 zoutput1 0.999999999923978
-0.2 0.2 zinput2 -44.6 zoutput2 4.27037591592064E-20
-0.3 0.4 zinput3 -56.8 zoutput3 2.14819364707165E-25
0.4 0.5 zinput4 -15.9 zoutput4 1.24370586892242E-07

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 0.6 youtput2 0.64565630906772

yk ) f ' ( y _ ink )
Derivasi y*(1-y)

delta w4 delta bias

3.024752E-09 0.02432

error z4

error aktivasi j   _ in j f ' ( z _ in j )

0.0002586202
0.0010856281
0.0005771003
6.518783E-05

v3 v4 bias
0.0055861958 0.003879 7.758605E-05
0.0234495671 0.016284 0.0003256884
0.012465367 0.008657 0.0001731301
0.0014080571 0.000978 1.955635E-05

v3 v4 bias
0.3055861958 0.303879 0.3000775861
0.1234495671 -0.183716 0.2003256884
0.412465367 -0.291343 0.4001731301
0.3014080571 0.400978 0.5000195563
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.2 -0.1 0.3
z2 0.4 -0.3 0.1
z3 0.5 -0.5 0.4
z4 0.2 -0.4 0.3
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.4
error output  k  (t k  yk ) f ' ( y _ ink )
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.3 zinput1 zoutput1
-0.2 0.2 zinput2 zoutput2
-0.3 0.4 zinput3 zoutput3
0.4 0.3 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

) f ' ( y _ ink ) Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.1 -0.1 0.3
z2 0.4 -0.3 0.1
z3 0.4 -0.5 0.4
z4 0.2 -0.4 0.3
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.1
error output  k  (t k  yk ) f ' ( y _ ink )
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.3 zinput1 zoutput1
-0.2 0.2 zinput2 zoutput2
-0.3 0.4 zinput3 zoutput3
0.4 0.3 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

) f ' ( y _ ink ) Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.2 -0.1 0.3
z2 0.4 -0.3 0.1
z3 0.3 -0.5 0.4
z4 0.2 -0.4 0.3
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.43
error output  k  (t k  y k ) f ' ( y _ ink )
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.3 zinput1 zoutput1
-0.2 0.2 zinput2 zoutput2
-0.3 0.4 zinput3 zoutput3
0.4 0.3 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.2 -0.2 0.3
z2 0.4 -0.3 0.2
z3 0.3 -0.5 0.4
z4 0.2 -0.4 0.3
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.5
error output  k  (t k  y k ) f ' ( y _ ink )
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.2 zinput1 zoutput1
-0.2 0.2 zinput2 zoutput2
-0.3 0.4 zinput3 zoutput3
0.4 0.3 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.2 -0.2 0.3
z2 0.3 -0.3 0.2
z3 0.3 -0.5 0.4
z4 0.1 -0.4 0.3
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.12
error output  k  (t k  y k ) f ' ( y _ ink )
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.2 zinput1 zoutput1
-0.2 0.2 zinput2 zoutput2
-0.3 0.3 zinput3 zoutput3
0.3 0.2 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.2 -0.2 0.3
z2 0.3 -0.3 0.2
z3 0.3 -0.5 0.4
z4 0.1 -0.5 0.2
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.6
error output  k  (t k  y k ) f ' ( y _ ink )
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.2 zinput1 zoutput1
-0.2 0.2 zinput2 zoutput2
-0.3 0.3 zinput3 zoutput3
0.1 0.1 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.1 -0.2 0.3
z2 0.4 -0.3 0.2
z3 0.3 -0.5 0.4
z4 0.1 -0.5 0.2
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.5
error output  k  (t k  y k ) f ' ( y _ ink )
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.2 zinput1 zoutput1
-0.2 0.2 zinput2 zoutput2
-0.3 0.3 zinput3 zoutput3
0.1 0.1 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias
No Jumlah Glukosa Tekanan Usia
1 6 148 72 50
2 1 85 66 31
3 8 163 64 32
4 1 89 66 21
5 0 137 40 33
6 6 116 74 30
7 3 78 50 26
8 10 139 80 57
9 2 197 70 53
10 8 125 96 54
11 4 110 92 30

Input ke hidden
Inisialisasi Bobot v1 v2 v3
z1 0.1 -0.2 0.3
z2 0.4 -0.3 0.2
z3 0.3 -0.5 0.4
z4 0.2 -0.6 0.2
Step 0-3
hidden ke output
Inisialisasi Bobot w1 w2 w3
y 0.2 -0.4 0.3

alpha/
learning_rate 0.6
error output
 k  (t k  y k ) f ' ( y _ ink )
Step 6
w jk   k z j delta w1 delta w2 delta w3
w0 k   k

Selisih Error
error z1 error z2 error z3
m
 _ in j    k w jk
k 1 erorr hidden error aktivasi
z1 z1
Step 7
z2 z2
z3 z3
z4 z4

delta bobot v1 v2
vij   j xi z1
v0 k   j z2
Step 7
z3
 Step 7
z4

Input ke Hidden Iterasi 1

Bobot Baru x1 v1 v2
z1
Step 8
z2
z3
z4
w jk (baru )  w jk (lama )  w jk
vij (baru )  vij (lama )  vij
 Outcome
1
0
1
0
1
0
1
0
1
1
0 Step 4 n
z _ in j   xi vij z j  f ( z _ in j )
i 0
Proses Training Iterasi 1/Hasil Aktivasi
v4 Bias 1
0.3 0.4 zinput1 zoutput1
-0.2 0.3 zinput2 zoutput2
-0.3 0.3 zinput3 zoutput3
0.1 0.2 zinput4 zoutput4

yk  f ( y _ ink )
p

w4 Bias 1 Step 5 y _ ink   z j w jk

j 0

0.1 0.4 yinput1 youtput2 0.5

Derivasi y*(1-y)

delta w4 delta bias

error z4

error aktivasi  j   _ in j f ' ( z _ in j )

v3 v4 bias
v3 v4 bias