contoh soal Jaringan Kohonen (Self-Organizing Map / SOM)

Contoh Soal 1: Konsep Dasar

Soal:
Jelaskan apa yang dimaksud dengan Jaringan Kohonen (Self-Organizing Map) dan sebutkan dua kegunaannya.

Jawaban singkat:
Jaringan Kohonen adalah jaringan saraf tiruan unsupervised learning yang digunakan untuk mengelompokkan (clustering) data dan memetakan data berdimensi tinggi ke dalam ruang berdimensi rendah (biasanya 1D atau 2D).

Kegunaan:

1. Pengelompokan data (clustering)
2. Visualisasi pola data

Baca juga:Belajar Limit Jadi Lebih Mudah Kumpulan Contoh

Contoh Soal 2: Menentukan Neuron Pemenang

Soal:
Diketahui sebuah jaringan Kohonen dengan 3 neuron memiliki bobot awal:

• Neuron 1: $w_1 = (0,2;\ 0,6)$w1​=(0,2; 0,6)
• Neuron 2: $w_2 = (0,4;\ 0,4)$w2​=(0,4; 0,4)
• Neuron 3: $w_3 = (0,8;\ 0,1)$w3​=(0,8; 0,1)

Data input:
$x = (0,5;\ 0,4)$x=(0,5; 0,4)

Tentukan neuron pemenang (Best Matching Unit) menggunakan jarak Euclidean.

Penyelesaian:

Rumus jarak Euclidean:$$D = \sqrt{(x_1 – w_1)^2 + (x_2 – w_2)^2}$$D=(x1​−w1​)2+(x2​−w2​)2​

Neuron 1:$$D_1 = \sqrt{(0,5-0,2)^2 + (0,4-0,6)^2} = \sqrt{0,09 + 0,04} = \sqrt{0,13}$$D1​=(0,5−0,2)2+(0,4−0,6)2​=0,09+0,04​=0,13​

Neuron 2:$$D_2 = \sqrt{(0,5-0,4)^2 + (0,4-0,4)^2} = \sqrt{0,01} = 0,1$$D2​=(0,5−0,4)2+(0,4−0,4)2​=0,01​=0,1

Neuron 3:$$D_3 = \sqrt{(0,5-0,8)^2 + (0,4-0,1)^2} = \sqrt{0,09 + 0,09} = \sqrt{0,18}$$D3​=(0,5−0,8)2+(0,4−0,1)2​=0,09+0,09​=0,18​

Jawaban:

Neuron 2 adalah neuron pemenang karena memiliki jarak terkecil.

Contoh Soal 3: Update Bobot Kohonen

Soal:
Jika neuron pemenang adalah neuron 2 dengan bobot awal:$$w = (0,4;\ 0,4)$$w=(0,4; 0,4)

Input:$$x = (0,5;\ 0,4)$$x=(0,5; 0,4)

Learning rate $\alpha = 0,5$α=0,5

Hitung bobot baru neuron pemenang!

Penyelesaian:

Rumus update bobot Kohonen:$$w_{baru} = w_{lama} + \alpha (x – w_{lama})$$wbaru​=wlama​+α(x−wlama​) $$w_{baru} = (0,4;\ 0,4) + 0,5[(0,5;\ 0,4)-(0,4;\ 0,4)]$$wbaru​=(0,4; 0,4)+0,5[(0,5; 0,4)−(0,4; 0,4)] $$= (0,4;\ 0,4) + 0,5(0,1;\ 0)$$=(0,4; 0,4)+0,5(0,1; 0) $$= (0,4;\ 0,4) + (0,05;\ 0)$$=(0,4; 0,4)+(0,05; 0) $$= (0,45;\ 0,4)$$=(0,45; 0,4)

Jawaban:

Bobot baru neuron pemenang adalah (0,45 ; 0,4)

Baca juga:FEB Universitas Teknokrat Indonesia Gelar Kuliah Umum Ekonomi Mikro Bahas Peran Pemerintah dalam Penyediaan Barang Publik

Contoh Soal 4: Soal Analisis

Soal:
Mengapa jaringan Kohonen tidak membutuhkan data target saat pelatihan?

Jawaban:
Karena jaringan Kohonen menggunakan unsupervised learning, di mana pembelajaran dilakukan berdasarkan kemiripan antar data, bukan perbandingan dengan target.

Contoh Soal 5: Soal Aplikasi

Soal:
Sebutkan contoh penerapan jaringan Kohonen dalam kehidupan nyata!

Jawaban:

• Segmentasi pelanggan
• Pengenalan pola citra
• Analisis data medis
• Pengelompokan dokumen

Penulis: loveytha