PRAKTIKUM VI

JARINGAN SARAF TIRUAN UNTUK

PENGENALAN POLA
LAPORAN PRAKTIKUM TEKNIK KLASIFIKASI

DAN PENGENALAN POLA

Disusun Oleh:

Rayuh Dhilah Hanggara

1501022088

LABORATORIUM KOMPUTER DAN INFORMATIKA

PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS AHMAD DAHLAN
2017
 PRAKTIKUM VI

JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA

A. TUJUAN PRAKTIKUM
1. Mahasiswa mampu memahami jaringan saraf tiruan

B. DASAR TEORI

Jaringan saraf tiruan (JST) merupakan system pemroses informasi yang

untuk kerjanya didasarkan pada jaringan syaraf biologis, yang telah dikembangkan
dengan beberapa asumsi-asumsi: proses informasi terjadi pada banyak elemen
sederhana yang disebut neuron, sinyal antara neuron lewat link koneksi yang mana
setiap link koneksi mempunyai bobot. Setiap neuron mempunyai fungsi aktifasi
input yang merupakan jumlah bobot sinyal masukan untuk menentukan sinyal
output.
Karakteristik JST terdiri dari :
1. Model koneksi antar neuron (arsitektur)
2. Metode penentuan bobot koneksi (algoritma pelatihan)
3. Fungsi aktifasi
Arsitektur:

Gambar 1. Arsitektur JST Sederhana

Algoritma Pembelajaran Hebb
Pelatihan dengan memodifikasi kekuatan sinapsis (bobot) yaitu bila 2
neuron terhubung dan keduanya pada kondisi hidup pada saat yang sama, maka
bobot tersebut harus ditambah. Apabila data disajikan secara bipolar, maka
perbaruan bobotnya adalah:
wi(baru) = wi(lama) + xiy
Algoritma :
L0. Inisialisasi semua bobot:
wi = 0; dengan i= 1,2,,n
L1. Untuk setiap pasangan vector pembelajaran input-output lakukan langkah 2-4.
L2. Tetapkan aktivasi unit input:
xi = si; dengan i= 1,2,,n
L3. Tetapkan aktivasi unit output:
y = t;
L4. Atur bobot:
wi(baru) = wi(lama) + xiy dengan i= 1,2,,n
Atur bias:
b(baru) = b(lama) + y
Fungi Aktivasi
Beberapa fungsi aktivasi dirumuskan sebagai:
a. Fungsi Bipolar

b. Fungsi Saturating Linear

c. Fungsi Sigmoid
C. ALAT DA BAHAN
1. Komputer
2. Matlab 2012b

D. HASIL DAN PEMBAHASAN

1. Memahami fungsi aktivasi
a. Pembuatan fungsi bipolar2.m
Fungsi aktivasi yang pertama yaitu fungsi bipolar dengan penulisan
programnya seperti gambar di bawah ini dengan kemudian dapat dipanggil
disertai memberikan parameter inputnya:

Gambar 4.1.1 Program bipolar2.m

Fungsi ini dituliskan kedalam sembilan baris program, baris pertama
merupakan penulisan untuk input dan output variable dengan y sebagai
variable output dan x serta t adalah variable input. Sedangkan bipolar2
sendiri adalah nama file yang sekaligus sebagai nama fungsi untuk
dipanggil saat nanti akan diperlukan. Berlanjut ke baris berikutnya pada
baris kedua hingga seterusnya adalah persamaannya atau bagian
perhitungannya dari fungsi aktivasi bipolar itu sendiri. Kemudian dua baris
terakhir adalah penutup dari fungsi yang dibuat.

(a) (b)

(c) (d)
Gambar 4.1.2 Hasil untuk (a) f(0.8, 0.5) (b) f(35, 0.5)
(c) f(-0.2, 0.5) (d) f(-4.5,0.5)
b. Pembuatan fungsi sigmod.m
Fungsi aktivasi yang kedua yang dibuat yaitu fungsi sigmod dengan
penulisan programnya seperti gambar di bawah ini dengan kemudian dapat
dipanggil disertai memberikan parameter inputnya:

Gambar 4.1.3 Program sigmod.m

Fungsi ini dituliskan kedalam empat baris program, baris pertama
merupakan penulisan untuk input dan output variable dengan y sebagai
variable output dan x adalah variable input. Sedangkan sigmod sendiri
adalah nama file yang sekaligus sebagai nama fungsi untuk dipanggil saat
nanti akan diperlukan. Berlanjut ke baris berikutnya pada baris kedua
hingga seterusnya adalah persamaannya atau bagian perhitungannya dari
fungsi aktivasi sigmod itu sendiri dengan diawali pemberian nilai a(alfa).
Kemudian baris terakhir adalah penutup dari fungsi yang dibuat.

(a) (b)

(c) (d)
Gambar 4.1.4 Hasil untuk (a) f(0.2) (b) f(3.5) (c) f(-0.3) (d) f(-5.5)

c. Pembuatan fungsi satlin.m

Fungsi aktivasi yang ketiga yang dibuat yaitu fungsi saturasi liniear
dengan penulisan programnya seperti gambar di bawah ini dengan
kemudian dapat dipanggil disertai memberikan parameter inputnya:
 Gambar 4.1.5 Program satlin.m
Fungsi ini dituliskan kedalam sembilan baris program, baris pertama
merupakan penulisan untuk input dan output variable dengan variable
outputnya tidak dituliskan secara khusus dan x adalah variable input.
Sedangkan satlin sendiri adalah nama file yang sekaligus sebagai nama
fungsi untuk dipanggil saat nanti akan diperlukan. Berlanjut ke baris
berikutnya pada baris kedua hingga seterusnya adalah persamaannya atau
bagian perhitungannya dari fungsi aktivasi saturasi liniear itu sendiri.
Kemudian dua baris terakhir adalah penutup dari fungsi yang dibuat.

(a) (b)

(c) (d)
Gambar 4.1.6 Hasil untuk (a) f(0.2) (b) f(3.5) (c) f(-0.3) (d) f(-5.5)

d. Pembuatan fungsi sigbip.m

Fungsi aktivasi yang keempat yang dibuat yaitu fungsi sigmod
bipolar dengan penulisan programnya seperti gambar di bawah ini dengan
kemudian dapat dipanggil disertai memberikan parameter inputnya:
 Gambar 4.1.7 Program sigbip.m
Fungsi ini dituliskan kedalam tiga baris program, baris pertama
merupakan penulisan untuk input dan output variable dengan variable
outputnya diwakili oleh y dan x adalah variable inputnya. Sedangkan sigbip
sendiri adalah nama file yang sekaligus sebagai nama fungsi untuk
dipanggil saat nanti akan diperlukan. Berlanjut ke baris berikutnya pada
baris kedua adalah persamaannya atau bagian perhitungannya dari fungsi
aktivasi sigmod bipolar itu sendiri. Kemudian dua baris terakhir adalah
penutup dari fungsi yang dibuat.

(a) (b)

(c) (d)
Gambar 4.1.8 Hasil untuk (a) f(0.2) (b) f(0.3) (c) f(-0.3) (d) f(-0.5)

2. Menuliskan program fungsi lhebb.m

Setelah dilakukan percobaan mengetahui fungsi-fungsi aktivasi
dilakukan penulisan program atau fungsi baru yang menerapkan algoritma
Hebb sehingga dapat diuji cobakan untuk mengetahui penerapan jaringan
syaraf tiruan. Berikut pada gambar 4.2.1 diperlihatkan penulisan program
implementasi algoritma Hebb itu sendiri.
Program fungsi lhebb.m secara keseluruhan merupakan listing
program yang di dalamnya terbagi ke dalam langkah-langkah dengan terdiri
dari inisialisasi awal termasuk pemberian nilainya, perulangan untuk
pembelajaran input-output yang di dalamnya berupa penerapan aktivasi
unitnya.
 Gambar 4.2.1 program lhebb.m

3. Menuliskan fungsi simhebb.m

Fungsi ini dituliskan kedalam tujuh baris program, baris pertama
merupakan penulisan untuk input dan output variable dengan y sebagai
variable output dan px serta w adalah variable input. Sedangkan simhebb
sendiri adalah nama file yang sekaligus sebagai nama fungsi untuk
dipanggil saat nanti akan diperlukan. Berlanjut ke baris berikutnya pada
baris kedua hingga seterusnya adalah persamaannya atau bagian
perhitungannya dari fungsi simhebb itu sendiri. Kemudian baris terakhir
adalah penutup dari fungsi yang dibuat.

Gambar 4.3.1 program simhebb.m

E. TUGAS
Pada penugasan dilakukan penerapan untuk kedua fungsi yang
sudah dituliskan sebelumnya yaitu lhebb.m dan simhebb.m dengan
menuliskan program seperti pada gambar 5.1.1 di bawah ini.

Gambar 5.1.1 program prak7.m

Program tersebut terbagi ke dalam dua bagian yaitu mode training
dan mode testing. Pada mode training diberikan nilai-nilai yang diperlukan
sebagai pm dan pt, keduanya mewakili matriks input dan output dari bahan
uji. Mode training fungsi yang dipanggilkan yaitu fungsi lhebb dengan
memanfaatkan kedua variabel tadi. Kemudian disimpan ke dalam file bobot
dengan variabel baru berupa w.
Beralih ke mode testing, di sini diperankan inputan dari pengguna
program untuk memberikan nilai yang ingin diujikan sebagai nilai yang
disimpan pada variabel px. Kemudian nilai w diambil dari file bobot yang
disimpan tadi diikuti penggunaan fungsi simhebb untuk memutuskan hasil
pengujiannya. Berikut di bawah ini hasil-hasil yang ditampilkan oleh
program tersebut.
(a) (b)
Gambar 5.1.2 Hasil training (a) ke 1-2 (b) ke 2-4
 Gambar 5.1.3 Hasil pengujian dengan Px = 7

F. KESIMPULAN
1. Pengenalan pola dapat dilakukan dengan menggunakan metode jaringan
syaraf tiruan.
2. Terdapat beberapa fungsi aktivasi di antaranya yaitu bipolar, saturasi
linear, sigmod, sigmod bipolar.
3. Pembelajaran Hebb merupakan salah satu bentuk penggunaan jaringan
syaraf tiruan untuk pengenalan pola.

G. REFERENSI

Fadlil, A. (2016) Petunjuk Praktikum Teknik Klasifikasi & Pengenalan Pola,

Yogyakarta: Universitas Ahmad Dahlan.