PENDAHULUAN
1.2 TUJUAN
Tujuan dibuatnya mkalah ini adalah agar mahasiswa mengetahui :
1. Definisi jaringan syaraf tiruan
2. Perkembangan jaringan syaraf tiruan
3. Perbandingan antara otak manusia dan jaringan syaraf tiruan
1.3 MANFAAT
Manfaat dari dibuatnya makalah ini adalah untuk menambah wawasan
mahasiswa mengenai jaringan syaraf tiruan, khususnya mengenai definisi
jaringan syaraf tiruan, perkembangan jaringan syaraf tiruan dan perbandingan
antara otak manusia dan jaringan syaraf tiruan.
BAB II
PEMBAHASAN
training/learning/algoritma )
c) Fungsi aktivasi.
Sebagai contoh, perhatikan neuron Y pada gambar 2.1
x1
w1
x2 w2 Y
w3
x3
Gambar 2 .1
Y menerima input dari neuron x1, x2 dan x3 dengan bobot
hubungan masing-masing adalah w1, w2 dan w3. Ketiga impuls
neuron yang ada dijumlahkan
net = x1w1 + x2w2 + x3w3
Besarnya impuls yang diterima oleh Y mengikuti fungsi aktivasi
y
= f(net). Apabila nilai fungsi aktivasi cukup kuat, maka sinyal
akan diteruskan. Nilai fungsi aktivasi (keluaran model jaringan)
juga dapat dipakai sebagai dasar untuk merubah bobot
4. Setiap sel saraf akan merupakan fungsi aktivasi terhadap isyarat hasil
penjumlahan berbobot yang masuk kepadanya untuk menentukan isyarat
keluarannya.
9
1982 Kohonen Mengembangkan metode
pembelajaran jaringan syaraf
yang tidak terawasi
(unsupervised learning) untuk
pemetaan
1983 Kirkpatrick, Galantt Memperkenalkan teknik statistic
dan Vecchi yang dikenal simulated annealing
1985 Algoritma pembelajaran dengan
menggunakan mesin Boltzmann
yang menggunakan model
jaringan syaraf probabilistik
mulai dikembangkan
1987 Kosko Mengembangkan jaringan
Adaptive Bidirectional
Associative Memory (BAM)
Table 2.2 Tabel perbedaan jaringan syaraf tiruan dan jaringan syaraf alami
(biologi)
Jaringan Syaraf Tiruan Jaringan Syaraf Alami ( Biologi )
· Untuk menentukan
output, setiap neuron memiliki
fungsi aktivasi (biasanya non
11
linier) yang dikenakan pada
semua input
· dengan threshold
1. Nonlinearity. Sebuah neuron buatan bisa saja linear atau tidak linear.
2. Input-output mapping. Sebuah paradigma populer dari pembelajaran
disebut learning with a teacher (belajar dengan guru) atau supervised
learning (pembelajaran terbimbing yang melibatkan modifikasi bobot
sinapsis jaringan saraf tiruan dengan mengaplikasikan kumpulan
sampel training.
3. Adaptivity. Neural network memiliki kemampuan untuk menyesuaikan
bobot sinaptik mereka terhadap perubahan pada lingkunganya.
4. Evidential Response. Dalam konteks klasifikasi pola, jaringan saraf
dapat dirancang untuk memberikan informasi tidak hanya tentang pola
yang khusus.
5. Contextual Information. Pengetahuan direpresentasikan oleh struktur
dan aktivasi dari jaringan saraf.
6. Fault Tolerance. Jaringan saraf yang diimplementasikan pada bentuk
hardware, memiliki potensi untuk bersifat fault tolerant (toleran
terhadap kesalahan), dalam arti bahwa kinerjanya menurun dalam
kondisi operasi buruk.
12
7. VLSI Implementability. Sifat dasar dari jaringan saraf tiruan yang
parallel membuatnya berpotensi untuk mengkomputasikan tugas-tugas
tertentu dengan cepat.
8. Uniformity of Analysis and Design. Pada dasarnya, jaringan saraf
tiruan dikenal sebagai pemroses informasi.
9. Neurobiological Analogy. Rancangan jaringan saraf tiruan
dianalogikan dengan otak manusia, yang merupakan bukti nyata
bahwa toleransi terhadap kesalahan pada pemrosesan paralel tidak
hanya mungkin tetapi juga cepat dan kuat.
13
BAB 3
KESIMPULAN
14
DAFTAR PUSTAKA
Arif, F. A. (2013, Maret 24). Jaringan Syaraf Komputer (II). Retrieved from
Fadhlin Amalia Arif: http://fadhlinamalia-
fst10.web.unair.ac.id/artikel_detail-75561-Kuliah%20Siscer-
Jaringan%20Syaraf%20Tiruan%20(II).html
Azmi, Z., Saripurna, D., & Anwar, B. (2013). Jurnal Ilmiah Saintikom Vol 12. No
2. Aplikasi Jaringan Syaraf Tiruan Untuk Pengenalan Pola Pembukaan
Permainan Catur, 14.
Dasar, E. (2012, Oktober 23). Jaringan Syaraf Tiruan. Retrieved from
Elektronika Dasar: http://elektronika-dasar.web.id/jaringan-syaraf-
tiruan- neural-network/
Jumarwanto, A., Hartanto, R., & Prastiyanto, D. (2009). Jurnal Teknik Elektro
Vol. 1 No.1. APLIKASI JARINGAN SARAF TIRUAN
BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT THT DI
RUMAH SAKIT MARDI RAHAYU KUDUS, 11.
Karyono. (2015, Maret 18). Tugas Makalah. Retrieved from Makalah Jaringan
Syaraf Tiruan:
https://www.slideshare.net/YonoBocahCibiukAsliCilacapSingKalemDewe
k/makalah-jst
Muis, S. (2006). Teknik Jaringan Syaraf Tiruan. Yogyakarta: Graha Ilmu.
Siang, J. J. (2004). Jaringan Saraf Tiruan & Pemrogramannya Menggunakan
Matlab. Yogyakarta: Andi.
15