1. Apa yang di maksud jaringan saraf tiruan dan tujuannya !

Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi
oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen
mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan
informasi. Jaringan Syaraf Tiruan, seperti manusia, belajar dari suatu contoh. Jaringan
Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola
atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan berkembang secara
pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum
adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun
pernah mengalami masa vakum selama beberapa tahun.
Jaringan Syaraf Tiruan mulai dilirik banyak kalangan karena mempunyai banyak kelebihan
dibandingkan system konvensional. Jaringan Syaraf Tiruan mewakili pikiran manusia untuk
mendekatkan diri dengan komputer, maksudnya Jaringan Syaraf Tiruan dirancang agar
komputer dapat bekerja seperti/layaknya otak manusia. Berikut ini beberapa keunggulan
dari Jaringan Syaraf Tiruan adalah :
1. Adaptive learning: Suatu kemampuan untuk melakukan suatu kegiatan yang didasarkan
atas data yang diberikan pada saat pembelajaran atau dari pengalaman sebelumnya.
2. Self-Organisation: Dapat membuat organisasi sendiri atau me-representasikan
informasi yang didapat pada saat pembelajaran.
3. Real Time Operation: Dapat menghasilkan perhitungan parallel dan dengan device
hardware yang khusus yang dibuat akan memberikan keuntungan dengan adanya
kemampuan tersebut.
4. Fault Tolerance melalui Redundant Information Coding: Kerusakan pada bagian tertentu
dari jaringan akan mengakibatkan penurunan kemampuan. Beberapa jaringan mempunyai
kemampuan untuk menahan kerusakan besar pada jaringan.
5. Kelebihan Jaringan Syaraf Tiruan terletak pada kemampuan belajar yang dimilikinya.
Dengan kemampuan tersebut pengguna tidak perlu merumuskan kaidah atau fungsinya.
Jaringan Syaraf Tiruan akan belajar mencari sendiri kaidah atau fungsi tersebut. Dengan
demikian Jaringan Syaraf Tiruan mampu digunakan untuk menyelesaikan masalah yang
rumit dan atau masalah yang terdapat kaidah atau fungsi yang tidak diketahui. 6.
Kemampuan Jaringan Syaraf Tiruan dalam menyelesaikan masalah yang rumit telah
dibuktikan dalam berbagai macam penelitian.
2. Sebutkan contoh-contoh aplikasi JST !
Beberapa aplikasi jaringan syaraf tiruan adalah sebagai berikut
1.

Pengenalan Pola (pattern Recognition)

Jaringan syaraf tiruan dapat dipakai untuk mengenali pola (misal huruf, angka, suara
atau tanda tangan) yang sudah sedikit berubah. Hal ini mirip dengan otak manusia

yang masih mampu mengenali orang yang sudah beberapa waktu tidak di jumpainya
(mungkin wajah/bentuk tubuhnya sudah sedikit berubah).
2. Signal Processing
Jaringan syaraf tiruan (model ADALINE) dapat dipakai unuk menekan noise dalam saluran
telepon
3. Peramalan
Jaringan syaraf tiruan juga dapat dipakai untuk meramalkan apa yang sudah terjadi di
masa yang akan datang berdasarkan pola kejadian yang ada di masa lampau. Ini dapat
dilakukan mengingat kemampuan jaringan syaraf tiruan untuk mengingat dan membuat
generalisasi dari apa yang sudah ada sebelumnya.

3. Apa yang dimaksud dengan input, hidden dan output layer !

1. Lapisan Masukan (input layer)

Lapisan masukan merupakan lapisan yang terdiri dari beberapa neuronyang akan
menerima sinyal dari luar dan kemudian meneruskan ke neuron-neuron lain dalam
jaringan. Lapisan ini dillhami berdasarkan cirri-ciri dancara kerja sel-sel saraf sensori
pada jaringan saraf biologi.
2.

Lapisan tersembunyi (hidden layer)

Lapisan tersembunyi merupakan tiruan dari sel-sel syaraf konektor pada jaringan
saraf bilogis. Lapisan tersembunyi berfungsi meningkatkan kemampuan jaringan
dalam memecahkan masalah. Konsekuensi dari adanya lapisan ini adalah pelatihan
menjadi makin sulit atau lama.
3. Lapisan keluaran (output layer)

Lapisan keluaran berfungsi menyalurkan sinyal-sinyal keluaran hasil pemrosesan

jaringan. Lapisan ini juga terdiri dair sejumlah neuron. Lapisan keluaran merupakan
tiruan dari sel saraf motor pada jaringan saraf biologis.
4. Apa yang dimaksud dengan learning rate !
Perambatan galat mundur (Backpropagation) adalah sebuah metode sistematik
untuk pelatihan multiplayer jaringan saraf tiruan. Metode ini memiliki dasar
matematis yang kuat, obyektif dan algoritma ini mendapatkan bentuk persamaan
dan nilai koefisien dalam formula dengan meminimalkan jumlah kuadrat galat error
melalui model yang dikembangkan (training set)

5. Apa yang dimaksud dengan supervised learning dan unsupervised learning rate !
Supervised learning merupakan suatu pembelajaran yang terawasi dimana jika output
yang diharapkan telah diketahui sebelumnya. Biasanya pembelajaran ini dilakukan dengan
menggunakan data yang telah ada. Pada metode ini, setiap pola yang diberikan kedalam
jaringan saraf tiruan telah diketahui outputnya. Satu pola input akan diberikan ke satu
neuron pada lapisan input. Pola ini akan dirambatkan di sepanjang jaringan syaraf hingga
sampai ke neuron pada lapisan output. Lapisan output ini akan membangkitkan pola output
yang nantinya akan dicocokkan dengan pola output targetnya. Nah, apabila terjadi
perbedaan antara pola output hasil pembelajaran dengan pola output target, maka akan
muncul error. Dan apabila nilai error ini masih cukup besar, itu berarti masih perlu dilakukan
pembelajaran yang lebih lanjut. Contoh algoritma jaringan saraf tiruan yang mernggunakan
metode supervised learning adalah hebbian (hebb rule), perceptron, adaline, boltzman,
hapfield, dan backpropagation.

Unsupervised learning merupakan pembelajan yang tidak terawasi dimana tidak

memerlukan target output. Pada metode ini tidak dapat ditentukan hasil seperti apa yang
diharapkan selama proses pembelajaran, nilai bobot yang disusun dalam proses range
tertentu tergantung pada nilai output yang diberikan. Tujuan metode uinsupervised learning
ini agar kita dapat mengelompokkan unit-unit yang hampir sama dalam satu area tertentu.
Pembelajaran ini biasanya sangat cocok untuk klasifikasi pola. Contoh algoritma jaringan
saraf tiruan yang menggunakan metode unsupervised ini adalah competitive, hebbian,
kohonen, LVQ(Learning Vector Quantization), neocognitron.
Pada kali ini saya akan membahas tentang metode kohonen. Jaringan syaraf self
organizing, yang sering disebut juga topology preserving maps, yang mengansumsikan
sebuah struktur topologi antar unit-unit cluster. Jaringan syaraf self organizing ini pertama
kali diperkenalkan oleh Tuevo Kohonen dari University of Helsinki pada tahun 1981.
Jaringan kohonen SOM(Self Organizing Map) merupakan salah satu model jaringan syaraf
yang menggunakan metode pembelajaran unsupervised. Jaringan kohonen SOM terdiri
dari 2 lapisan(layer), yaitu lapisan input dan lapisan output. Setiap neuron dalalm lapisan
input terhubung dengan setiap neuron pada lapisan output. Setiap neuron dalam lapisan
output merepresentasikan kelas dari input yang diberikan.