Neural

Network
1. Alif Gian Syahlan (21024014004)
2. Moch. Rival Rafi Ali (21024014005)
3. Suprianto (21024014022)
4. Rama Permana Putra (21024014030)

A.1 Teknik Informatika

 Artificial
Neural Network
Artificial neural network (Neural Network) adalah sebuah
sistem untuk pemrosesan informasi dengan “meniru” cara
kerja sistem saraf biologis
 Penjelasan Neural Network
Jaringan Saraf Tiruan (JST) atau Neural Network merupakan suatu pendekatan
yang berbeda dari metode AI lainnya. JST merupakan suatu model kecerdasan
yang diilhami dari struktur otak manusia dan kemudian diimplementasikan
menggunakan program computer yang mampu menyelesaikan sejumlah proses
perhitungan selama proses pembelajaran berlangsung. Dari gambar diatas dapat
dilihat bahwa setiap sel saraf mempunyai satu inti sel (nucleus). Inti sel akan
bertugas melakukan proses informasi. Informasi sel akan diterima oleh dendrite
yang merupakan dari cell body. Selain menerima informasi, dendrit juga menyertai
axon sebagai keluaran dari suatu pemrosesan informasi. Informasi hasil olahan ini
akan menjadi masukan bagi sel saraf lain dimana antar dendrite tersebut akan
dipertemukan dengan sinapsis. Informasi yang dikirimkan antar neuron berupa
rangsangan yang dilewatkan melalui dendrite. Informasi yang datang dan diterima
oleh dendrite akan dijumlahkan dan dikirimkan melalui axon ke dendrite akhir yang
bersentuhan dengan dendrite dari sel saraf lain. Informasi yang akan diterima oleh
neuron lain jika memenuhi batasan tertentu yang lebih dikenal sebagai threshold
(nilai ambang). Gambaran di atas merupakan gambaran sederhana dari jaringan
saraf, tetapi dari gambaran itu semua komponen dari sel saraf tersebut relevan
bagi saraf model komputasi. Secara khusus, dapat dikatakan bahwa setiap unit
komputasional dihitung dari beberapa fungsi input.
Jaringan Saraf Manusia
❖ Sistem saraf bekerja melalui jaringan interkoneksi
miliaran neuron, 86 milyar neuron diantaranya ada di
otak manusia
❖ Neuron ini mengirimkan informasi dalam bentuk impuls
saraf
❖ Bertanggung jawab untuk mengendalikan dan
mengkoordinasikan semua fungsi tubuh
❖ Sistem saraf manusia yang bersangkutan dengan
menerima informasi dari dunia luar, pengolahan, dan
kemudian menghasilkan respon yang tepat
❖ Jaringan yang mengontrol dan mengkoordinasikan
semua kegiatan tubuh, dengan mengirimkan pesan atau
sinyal dari otak ke bagian-bagian berbeda dari tubuh dan
sebaliknya
 Struktur Sel
Sinapsis :
Berfungsi sebagai
persimpangan, di
mana impuls atau
Neuron pada Dendrit :
informasi dapat
Nukleus :
manusia, terdiri Fasilitator yang
Inti sel mengalir dari satu
dari sel tubuh, menghubungkan
pengolah neuron ke yang
sebuah axon neuron dengan axon
informasi lain
dan banyak dari neuron lainnya
dendrit.

Axon :
penghubung yang
mengirimkan sinyal
keluaran neuron menuju
neuron lainnya
Cara Kerja Sistem Saraf
● Neuron sensorik mengirimkan rangsangan atau
impuls yang diterima dari alat indera (mata,
hidung, kulit) ke sistem saraf pusat (otak dan
sumsum tulang belakang)
● Interneuron berfungsi membaca impuls yang
diterima dari neuron sensorik dan memutuskan
respon yang akan dihasilkan
● Otak memproses rangsangan tersebut dan
mengirimkannya kembali ke bagian lain dari
tubuh, memberitahu mereka bagaimana bereaksi
terhadap jenis tertentu dari stimulus.
● Motor neuron bertanggung jawab untuk menerima
sinyal dari saraf otak dan tulang belakang, dan
mengirim mereka ke bagian lain dari tubuh
 Cara Kerja Neuron

Cara kerja dari neuron adalah menggabungkan

pengaruh dari semua masukan dan
mempertimbangkan apakah pengaruh dari masukan
tadi dapat mencapai threshold yang telah ditetapkan
atau tidak. Jika nilai threshold tadi tercapai, maka
neuron akan memproduksi keluaran dalam bentuk
suatu pulsa tertentu yang diproses dari sel hingga
dikeluarkan melalui axon. Jika hal ini terjadi, maka
neuron sedang dalam keadaan aktif.
Neuron
pada Artificial
Neural Network
• Tiap penghubung diasosiasikan dengan sebuah nilai
bobot (w). Seperti pada sebuah sinapsis, nilai bobot
menentukan derajat pengaruh dari sebuah neuron
ke neuron yang lainnya. Pengaruh dari sebuah
neuron ke neuron yang lainnya merupakan hasil kali
dari nilai keluaran dari neuron-neuron yang masuk
ke neuron (x) dengan nilai bobot (w) yang
menghubungkan neuron-neuron tadi.
• Tiap neuron dikombinasikan dengan sebuah fungsi
aktivasi yang berfungsi sebagai penghubung dari
penjumlahan semua nilai masukan dengan nilai
keluarannya. Keluaran dari neuron inilah yang
nantinya akan menentukan apakah sebuah neuron
itu aktif ataukah tidak.
Kelebihan dan Kekurangan
Kelebihan
• Kemampuan pemrosesan paralel. Artificial
Neural Network memiliki nilai numerik yang
memungkinkannya untuk melakukan lebih
dari satu tugas secara bersamaan.
• Menyimpan data di seluruh jaringan. Alih-
alih disimpan di database, data yang
digunakan akan disimpan di seluruh
jaringan. Dengan begitu, proses kerja
jaringan tidak akan terhambat bila terjadi
data hilang.
• Menghasilkan output bahkan dengan data
yang tidak memadai.
• Memiliki distribusi memori.
• Mampu menoleransi kesalahan.
Kekurangan
• Tidak ada pedoman khusus untuk
menentukan struktur ANN. Anda perlu
mengalami beberapa percobaan dan
kegagalan agar berhasil.
• Perilaku jaringan yang tidak dikenali. Hal ini
adalah kekurangan yang paling menonjol
dari ANN. Ketika ANN menghasilkan solusi
pengujian, tidak ada penjelasan tentang
mengapa dan bagaimananya.
• Ketergantungan pada hardware. ANN
memerlukan prosesor dengan kekuatan
pemrosesan paralel sesuai dengan
strukturnya.
• Sulit menyampaikan masalah ke jaringan.
Hal ini akan bergantung pada kemampuan
Anda sebagai pengguna.
Jenis-jenis
Neural
Network
 1 Perceptron
Perceptron merupakan jenis neural network tertua dan
dikenal sebagai salah satu jenis algoritma machine learning.
Meski begitu, pada awalnya perceptron hanyalah mesin
pengenalan gambar. Cara kerja perceptron terinspirasi dari
fungsi persepsi manusia dalam melihat dan mengenali
gambar. Perceptron adalah neural network yang hanya
terdiri dari satu lapisan node, dan hanya memahami
hubungan linear antara data input dan output yang
disediakan.
 2 MLP
Multi-Layer Perceptrons(MLP) terdiri dari tiga jenis lapisan node
yaitu input, output, dan lapisan tersembunyi.MLP dilatih dengan
algoritma pembelajaran backpropagation yang dapat
menangkap pemetaan dan menghitung data turunan
dengan cepat. Pada akhirnya, algoritma ini membantu
meningkatkan akurasi prediksi dan efisiensi dengan mengurangi
kesalahan yang ditemukan dalam jaringan.MLP sangat berguna
dalam data mining dan machine learning. Contohnya mengenali
ucapan, gambar, dan menerjemahkan teks dari suatu Bahasa
ke bahasa lainnya secara otomatis (machine learning).
3 CNN
Convolutional Neural Network(CNN) mirip dengan
jaringan MLP, tetapi biasanya digunakan untuk
data temporal dan ordinal seperti penerjemah
bahasa, natural language processing (NLP), serta
pengenalan gambar dan suara. Jaringan ini
memanfaatkan prinsip-prinsip dari aljabar linier,
khususnya perkalian matriks, untuk
mengidentifikasi pola dalam suatu
gambar.Contoh dari CNN adalah fitur asisten
pribadi Siri oleh Apple, Google Translate, dan
Google Voice.
4 RNN

Recurrent Neural Network (RNN) dibangun

untuk memahami data temporal atau
berurutan. Algoritma pembelajaran ini
terutama dimanfaatkan saat menggunakan
data deret waktu untuk membuat prediksi
tentang hasil di masa mendatang, seperti
prediksi pasar saham atau perkiraan
penjualan.
Problem yang bisa diselesaikan dengan neural
netWORK

Data yang
kompleks

Penggunaan
representasi
simbolik,
misalnya
Data pelatihan
decision tree
terlalu banyak noisy
Karaktersitik problem neural netWORK
Neural network bisa menyelesaikan problem yang mempunyai
karakteristik :

01 02 03
Instance Target output bisa bernilai Tidak mementingkan
direpresentasikan dalam diskrit, real, atau kemampuan manusia
pasangan attribute-value vector(diskrit/real) untuk mengerti proses
yang banyak pembelajaran

04 05 06
Data training bisa Tidak ada batasan Dibutuhkannya
mengandung error waktu pelatihan evaluasi yang cepat
terhadap proses
pembelajaran
PENGGUNAAN NEURAL NETWORK

➢ Pemrosesan Sinyal
➢ Sistem kendali
➢ Pengenalan Pola
➢ Kedokteran
➢ Sintesa dan Pengenalan suara
➢ Bisnis
Contoh penggunaan Neural Network

Dalam Bidang
Bisnis
➢ Prediksi Harga
Sahama
➢ Prediksi
Kegagalan
Bisnis
FINISH