Anda di halaman 1dari 22

Jaringan Syaraf Tiruan (JST)

Nur Alamsyah M Kom

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Pokok Bahasan Paradigma Pembelajaran Algoritma Pembelajaran Model Neuron McCulloch-Pitts

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Paradigma Pembelajaran

Pada proses pelatihan, suatu input dimasukan ke jaringan, kemudian jaringan akan memproses dan mengeluarkan suatu keluaran. Keluaran yang dihasilkan oleh jaringan dibandingkan dengan target. Jika keluaran jaringan tidak sama dengan target, maka perlu dilakukan modifikasi bobot.
TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Paradigma Pembelajaran

Tujuan dari pelatihan ini adalah memodifikasi bobot hingga diperoleh bobot yang bisa membuat keluaran jaringan sama dengan atau sangat mendekati dengan target yang diinginkan.

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Paradigma Pembelajaran

1. 2.

Berdasarkan cara memodifikasi bobotnya ada 2 macam pelatihan,yaitu: Pelatihan dengan supervisi (pembimbing) Pelatihan tanpa supervisi

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Pelatihan dengan supervisi (pembimbing)

Dalam pelatihan supervisi terdapat sejumlah pasangan data (masukan-target keluaran) yang dipakai untuk melatih jaringan hingga diperoleh bobot yang diinginkan. Pasangan data tersebut berfungsi sebagai Guru untuk melatih jaringan hingga diperoleh bentuk yang terbaik.

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Pelatihan dengan supervisi (pembimbing)

Guru akan memberikan informasi yang jelas tentang bagaimana sistem harus mengubah dirinya untuk meningkatkan kinerjanya.

Pada setiap kali pelatihan, suatu input diberikan ke jaringan, jaringan akan memproses dan mengeluarkan keluaran.

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Pelatihan dengan supervisi (pembimbing)

Selisih antara keluaran jaringan dengan target (keluaran yang diinginkan) merupakan kesalahan yang terjadi. Jaringan akan memodifikasi bobot sesuai dengan kesalahan tersebut.

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Pelatihan tanpa supervisi

Pelatihan tanpa guru dalam pelatihannya perubahan bobot jaringan dilakukan berdasarkan parameter tertentu dan jaringan dimodifikasi menurut ukuran parameter tersebut. Jaringan hanya diberi input, tetapi tidak mendapatkan target yang diinginkan.

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Sebagai Ilustrasi

Pelatihan dengan supervisi dapat diandaikan sebagai skripsi yang dibimbing oleh dosen. Pelatihan tanpa supervisi dibayangkan sebagai skripsi tanpa dosen pembimbing, mahasiswa mengerjakan skripsi sebaik-baiknya berdasarkan ukuran tertentu.

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Berdasarkan strategi pelatihan, model jaringan dibagi menjadi :

Pelatihan dengan supervisi

Contoh model yang masuk kategori ini antara lain: - Hebbian - Perceptron - ADALINE - Boltzman - Hopfield - Backpropagation
TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Berdasarkan strategi pelatihan, model jaringan dibagi menjadi :

Pelatihan Tanpa supervisi

Contoh model yang masuk kategori ini antara lain: - Competitive - Hebbian - Kohonen - LVQ (Learning Vektor Quantization) - Neocognitron

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Berdasarkan Arsitektur Jaringan , model JST digolongkan menjadi :


Jaringan Layar Tunggal Model ADALINE, Hopfield, Perceptron, LVQ Jaringan Layar Jamak Model MADALINE, Backpropagation, Neocognitron Recurrent Model BAM (Bidirectional Associative Memory), Boltzman Machine, Hopfield
TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Aplikasi yang sudah berhasil ditemukan:


Klasifikasi Model ADALINE, LVQ, Backpropagation Pengenalan pola Model ART (Adaptive Resonance Theory), Backpropagation, LVQ, Neocognitron Peramalan Model ADALINE, MADALINE, Backpropagation Optimisasi Model ADALINE, Hopfield, Boltzman, Backpropagation

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Model Neuron McCulloch-Pitts

a. b.

c.

Pada 1943 S Warren McCulloch seorang ahli saraf dan Walter Pitts, seorang ahli logika membuat model neuron dan merupakan model yang pertama ditemukan. Karakteristik model ini: Fungsi aktivasinya biner Semua garis yang memperkuat sinyal (bobot +) kearah suatu neuron memiliki kekuatan yang sama. Setiap neuron memiliki batas ambang(Threshold) yang sama.

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Arsitektur Jaringan model neuron McCullochPitts

TEKNIK INFORMATIKA
UNIVERSITAS ISLAM KALIMANTAN (UNISKA) MUHAMMAD ARSYAD AL BANJARY

Contoh Soal
Fungsi Logika dan (AND) dengan 2 masukan x1 dan x2 akan memiliki keluaran Y=1 bila dan hanya bila kedua masukan bernilai 1. Bobot tiap baris adalah= 1 Fungsi aktivasi nilai threshold = 2 Buatlah model McCulloch-Pitts utk menyatakan fungsi logika AND

Tabel Kebenaran Fungsi AND


Y 1 1 0 0 1 0 1 0 1 0 0 0

Contoh Soal
Fungsi Logika atau (OR) dengan 2 masukan x1 dan x2 akan memiliki keluaran Y=1 bila dan hanya bila kedua masukan bernilai 1. Bobot tiap baris adalah= 1 Fungsi aktivasi nilai threshold = 1 Buatlah model McCulloch-Pitts utk menyatakan fungsi logika OR

Tabel Kebenaran Fungsi OR


Y 1 1 0 0 1 0 1 0 1 1 1 0

Contoh Soal

Tabel Kebenaran Fungsi XOR


Y 1 1 0 0 1 0 1 0 0 1 1 0

Anda mungkin juga menyukai