DOKUMEN OPERASIONAL
LEMBAR JAWABAN
1. Jelaskan dari JSB dan JST, perbedaan dari keduanya apa? gambarkan dari keduanya?
Jawaban :
Didalam otak manusia terdiri dari banyak sekali neuron yang terhubung satu sama lain.
neuron bekerja berdasarkan sinyal yang diberikan oleh neuron lain dan kemudian
meneruskannya kepada neuron lainnya dan penghubung antar neuron disebut dengan
sinapsis atau Jaringan Syaraf Biologi.
3. Aplikasi apa saja yang dapat diterapkan JST beserta dengan metode? Metode apa saja?
Jawaban :
Aplikasi Jaringan Syaraf Tiruan untuk Mendeteksi White Spot menggunakan metode
backpropagation
Desain Dan Implementasi Robot Mobil Otomatis penghindar hambatan berbasis
SENSOR KINECT: pengenalan konfigurasi lintasan menggunakan JARINGAN
SYARAF TIRUAN dan menggunakan metode jaringan syaraf multilayer feedforward
yang dilatih dengan algoritma gradian turun backpropagation
Metode Baru Untuk Pintu Loker Dengan Sistem Keamanan Wajah Menggunakan
Algoritma Backpropagation
Sistem Diagnosa Penyakit Dalam dengan Menggunakan Jaringan Saraf Tiruan
Metode Backpropagation dan Learning Vector Quantization
Sistem cerdas diagnosa penyakitdalam menggunakan Jaringan Syaraf Tiruan dengan
metode Perceptron
4. Apa hubungan dengan JST dengan DM (Data Mining), Machine Learning, dan AI?
Gambarkan hubungan tersebut?
Jawaban :
Dengan semakin canggihnya teknologi dan semakin kuatnya kemampuan komputasi dari
komputer, banyak aplikasi dan algoritme yang sebelumnya tidak memungkinkan untuk
diterapkan di komputer jinjing atau telpon genggam sekarang bisa diimplementasikan
dengan mudah. Salah satu teknik yang menjadi populer adalah kecerdasan buatan atau
Artificial Intelligence (AI) menjadi terkenal karena banyak aplikasi jenis ini yang sekarang
bisa ditemui sehari hari seperti siri pada iPhone dan speech recognition atau pengenal suara
pada telpon seluler Android. Seiring dengan munculnya istilah AI, Pembelajaran Mesin
atau Machine Learning(ML), Jaringan Syaraf tiruan Artificial Neural Network (NN), dan
Deep Learning (DL). Pada umumnya AI adalah induk dari semua teknik tersebut, dan pada
akhirnya DL adalah kasus khusus dan paling mutakhir pada AI.
AI, ML, NN dan DL. Pada dasarnya, semua istilah tersebut saling berkaitan. Secara
sederhana DL adalah teknik dalam NN, NN adalah teknik dalam ML, dan ML adalah
teknik dalam AI.
Jaringan dengan banyak lapisan (multilayer) Jaringan ini memiliki satu atau lebih
lapisan yang terletak diantara lapisan input dan lapisan outputnya (memiliki satu
atau lebih lapisan tersembunyi). Jaringan dengan banyak lapisan ini dapat
menyelesaikan permasalahan yang lebih sulit dari pada jaringan dengan
lapisan tunggal, tetapi pembelajarannya lebih rumit. Jaringan ini pada banyak kasus
lebih sukses dalam menyelesaikan masalah.
Jaringan dengan lapisan kompetitif (competitive layer net) Pada jaringan ini
sekumpulan neuron bersaing untuk mendapatkan hak menjadi aktif. Gambar berikut
menunjukkan salah satu contoh arsitektur jaringan dengan lapisan kompetitif yang
memiliki bobot –η
Linear (Identitas)
Fungsi ini memiliki nilai output yang sama dengan nilai inputnya, dirumuskan sebagai
berikut:
y=x
Saturating Linear
Fungsi ini akan bernilai 0 jika inputnya kurang dari –½, dan akan bernilai 1 jika
inputnya lebih dari ½. Sedangkan jika nilai input terletak antara -½ dan ½, maka
outputnya akan bernilai sama dengan nilai inputnya ditambah ½. Fungsi saturating
linear ini dirumuskan sebagai berikut:
Sigmoid Biner
Fungsi ini digunakan untuk jaringan saraf yang dilatih dengan menggunakan metode
backpropagation, mempunyai range 0 sampai 1. Biasanya digunakan untuk jaringan
saraf yang membutuhkan nilai output yang terletak pada interval 0 sampai dengan 1,
juga pada jaringan saraf yang nilai outputnya 0 atau 1.
Sigmoid Bipolar
Fungsi ini hampir sama dengan fungsi sigmoid biner, tetapi output fungsi ini memiliki
range 1 sampai – 1. Fungsi ini dirumuskan sebagai berikut:
Jawaban :
A. Vektor adalah Sebuah besaran yang memiliki arah. Vektor juga dapat digambarkan
sebagai panah yang menunjukkan arah vektor yang dimana panjang garisnya merupakan
besar vektor.
Matriks adalah Sebuah kumpulan bilangan yang disusun dengan baris atau secara
kolom atau bisa juga disusn dengan kedua-duanya dan diapit dalam tanda kurung.
Jenis Matriks :
1) Berdasarkan Pola Elemennya :
a. Matriks Identitas :
Matriks persegi yang elemen-elemen diagonal utamanya adalah 1 sedangkan yang
lainnya nol.
1 0 0
A= 0 1 0
0 0 1
b. Matriks Nol :
Matriks yang semua elemennya nol.
0 0 0
A= 0 0 0
0 0 0
c. Matriks Skalar :
Matriks yang elemen-elemen diagonal utamanya sama sedangkan elemen lainnya
nol.
2 0 0
A= 0 2 0
0 0 2
d. Matriks Diagonal :
Matriks yang elemen-elemen diluar diagonal utamanya nol.
1 0 0
A= 0 2 0
0 0 3
1 2 3
A= 0 4 5
0 0 6
g. Matriks Simetri :
Matriks persegi yang elemen elemen diagonal utamanya sama dengan elemen-
elemen dibawah diagonal utamanya.
1 2 4
A= 2 3 5
4 5 6
A=[1 2 3 4 5]
b. Matriks Kolom :
Matriks yang hanya terdiri atas satu kolom.
1
A= 2
3
4
c. Matriks Mendatar :
Matriks yang jumlah kolom lebih banyak dari jumlah baris.
1 2 3 4 5 6 7
A= 8 9 10 11 12 13 14
15 16 17 18 19 20 21
d. Matriks Tegak :
Matriks yang memiliki jumlah baris lebih banyak dari jumlah kolom
1 2
A= 3 4
5 6
7 8
B. Perkalian Matriks
13 9 5 9 21 13 1 15
A 1 9 18 12 15 B 1 14 15
7 20 15 13 15 4 9 15
A x B = Tidak dapat dikalikan
Dua buah matriks hanya dapat dikalikan jika matriks pertama memiliki jumlah kolom
yang sama dengan matriks ke dua. Berdasarkan soal, Mariks A adalah matiks 5 x 3,
Matriks B adalah matriks 3 x 3, karena jumlah kolom pada matriks pertama tidak sama
dengan jumlah baris pada matriks ke dua, maka kedua matriks tersebut tidak dapat di
kalikan.
13x13 + 1x1 + 15x7 13x9 + 1x9 + 15x20 13x5 + 1x18 + 15x15 13x9 + 1x12 + 15x13 13x21 + 1x15 + 15x15
1x13 + 14x1 + 15x7 1x9 + 14x9 + 15x20 1x5 + 14x18 + 15x15 1x9 + 14x12 + 15x13 1x21 + 14x15 + 15x15
4x13 + 9x1 + 15x7 4x9 + 9x9 + 15x20 4x5 + 9x18 + 15x15 4x9 + 9x12 + 15x13 4x21 + 9x15 + 15x15