Oleh :
Dewi Mayasari (11305141032)
Lia Listyana (11305144026)
PENDAHULUAN
Kecerdasan
buatan
dapat
memungkinkan
komputer
untuk
PEMBAHASAN
A.
Pengertian
Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network
(ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya
disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses
kecil yang dimodelkan berdasarkan jaringan saraf manusia / jaringan saraf
biologis (JSB). JST dapat digunakan untuk memodelkan
hubungan
yang
kompleks antara input dan output untuk menemukan pola-pola pada data.
Jaringan saraf tiruan telah dikembangkan sebagai turunan model
matematika dari kesadaran manusia atau saraf biologis, karena berdasar pada
asumsi bahwa :
Pemrosesan informasi terjadi pada beberapa elemen sederhana yang
disebut neuron.
Sinyal lewat diantara neuron menciptakan jaringan koneksi.
Setiap koneksi penghubung memiliki bobot yang terhubung, yang
dalam jaringan saraf tertentu mengalikan sinyal yang ditransmisikan.
Setiap neuron mempunyai fungsi aktrivasi (biasanya non linier)
pada jaringan inputnya (jumlah dari bobot sinyal input) untuk
menentukan sinyal outputnya.
Karakteristik dari jaringan saraf tiruan adalah :
Pola hubungan antar neuron ( yang menjadi arsitekturnya).
Metode penentuan bobot dalam koneksi (disebut sebagai
proses latihan, pembelajaran, atau Algoritma ).
Fungsi aktivasi.
B.
z wi xi ; y H (z)
i1
X
W
Fungsi aktivasi
Y
Masukkan
Keluaran
JS Biologis
Node
Input
Dendrit
Output
Akson
Bobot
Sinapsis
Input
neuron
(neuron layers).
Biasanya neuronneuron pada satu lapisan akan dihubungkan
dengan lapisanlapisan sebelum dan sesudahnya (kecuali lapisan
input dan lapisan output).
Informasi yang diberikan pada jaringan saraf akan dirambatkan
dari lapisan ke lapisan, mulai dari lapisan input sampai ke lapisan
output melalui lapisan yang lainnya, yang sering dikenal dengan
nama lapisan tersembunyi (hidden layer).
Umumnya neuron-neuron yang terletak pada lapisan yang
sama akan memiliki keadaan yang sama sehingga pada setiap
lapisan yang sama neuron-neuron memiliki fungsi aktivasi yang
sama.
Bila
neuron-neuron
tersembunyi)
pada
suatu
lapisan
(misal
lapisan
secara
E.
Fungsi Aktivasi
Fungsi aktivasi dipakai untuk menentukan keluaran suatu neuron, yaitu
Undak
Biner
merupakan
jaringan lapisan
tunggal yang
F.
Proses Pembelajaran
Perubahan yang terjadi selama pembelajaran adalah perubahan
nilai bobot. Nilai bobot akan bertambah, jika informasi yang diberikan
oleh neuron yang bersangkutan tersampaikan, sebaliknya jika tidak
disampaikan oleh suatu neuron ke neuron yang lain, maka nilai bobot
yang menghubungkan keduanya akan dikurangi.
Pada saat pembelajaran dilakukan pada input yang berbeda, maka
nilai bobot akan diubah secara dinamis hingga mencapai nilai yang cukup
seimbang. Apabila nilai ini telah tercapai yang mengindikasikan bahwa
G.
Contoh
Contoh dan program jaringan sederahana
Bila telah ditentukan
Fungsi aktivasi biner
Besar bobotnya sama
Memiliki threshold yang sama
buat fungsi logika and, input X1 dan X2, dan Y =
1 jika dan hanya jika inputan 1
X1
1
X
2
Y
1
1
0
net
X1
1
X
2
1
1.1+1.1=2
1.1+0.1=1
0.1+1.1=1
0.1+0.1=0
Jaw
ab
Problem OR
X
1
1
X
2
1
net
Y,
1.1+1.1=2
1.1+0.1=1
0.1+1.1=1
0.1+0.1=0
H.
PENUTUP
Masih banyak ilmu yang bisa digali dari Jaringan Syaraf Tiruan.
Banyak pula referensi yang membahas tentang aplikasi JST. Tentu banyak
kekurangan dalam penyampaian makalah di atas, oleh karena
itu
selalu
diharapkan kritik dan saran dari pembaca. Semoga dengan adanya penjelasan di
atas dapat bermanfaat dan membantu pembaca dalam memahami seputar Jaringan
Syaraf Tiruan.
DAFTAR PUSTAKA
http://id.wikipedia.org/wiki/Jaringan_saraf_tiruan
http://www.Fardipujiyanta.files.wordpress.com/bab-i-jaringan-saraftiruan1.doc
Modul Jaringan Syaraf Tiruan