Anda di halaman 1dari 12

Jaringan Syaraf Tiruan

Hebbian
Nama Anggota Kelompok :
1. Rahaji Purnama
2. Ayu Yulia Putri Sari
3. Rahmasari Widayanti
4. Sunaryadi
5. Yeheskel
6. Ismail Dwi Ristiyono
Apa itu jaringan syaraf tiruan?
Jaringan syaraf merupakan salah satu representasi buatan
dari otak manusia yang selalu mencoba untuk
mensimulasikan proses pembelajaran pada otak manusia
tersebut.
Istilah buatan disini digunakan karena jaringan syaraf ini di
implementasikan dengan menggunakan program komputer
yang mampu menyelesaikan sejumlah proses perhitungan
selama proses pembelajaran.
Pengertian
Jaringan Hebb adalah jaringan neural buatan yang
mempunyai aturan pembelajaran yang sederhana. Hebb
mengusulkan bahwa pembelajaran dilakukan dengan
memodifikasi bobot dimana jika 2 neuron yang
terhubung adalah on dalam waktu yang sama, maka
bobot diantara keduanya harus ditingkatkan.

Metode ini kemudian dikembangkan dengan menambah


satu prinsip lainnya yaitu bobot juga akan ditingkatkan
bila kedua neuron off dalam waktu yang sama.
Apabila data direpresentasikan secara bipolar
maka perbaikan bobotnya adalah :

wi (baru) = wi(lama) + x1*y

Keterangan :
Wi = bobot data input ke i
Xi = input data ke i
Y = output data
Karakteristik
Jaringan Hebb mempunyai karakteristik sebagai berikut :
Jaringan lapis tunggal
o Jaringan terdiri dari satu atau lebih unit masukan dan satu unit
keluaran.
o Mempunyai sebuah bias yang berperilaku seperti bobot yang bisa
disesuaikan yang terletak pada koneksi dari sebuah unit yang selalu
mengeluarkan sinyal +1 agar bobot bias bisa dilatih seperti bobot
lainnya dengan proses yang sama dalam algoritma pelatihan.
Fungsi aktivasi
Fungsi yang digunakan adalah fungsi identitas, artinya keluaran
layer input sama dengan masukannya.
F(y_in) = y_in (1)
Arsitektur

Arsitektur jaringan Hebb


ditunjukkan pada gambar
1. Pada jaringan ini,
terdapat n unit masukan,
yaitu X1, , Xi, , Xn
dengan bobot w1, , wi,
, w dan sebuah unit
keluaran, yaitu Y.
Selain itu, terdapat
sebuah unit yang selalu
memberikan sinyal +1
dimana bobotnya diberi
nama bias (b).
Aplikasi
jaringan Hebb untuk fungsi logika AND : input
biner dan target biner
penyelesaian

Tabel 2.2 Hasil perhitungan JST Hebb untuk solusi fungsi


logika AND dengan input biner dan target biner
Catatan :
Hasil akhir dari w1 dan w2 dapat juga
ditentukan dari penjumlahan seluruh perubahan
bobot (w) dari input pertama sampai terakhir :
w1 = 1 + 0 + 0 + 0 =1
w2 = 1 + 0 + 0 + 0 =1
Setelah mendapat nilai bobot dan bias maka
kita melakukan Testing terhadap pola input
dengan memakai bobot dan bias yg didapat
dalam proses pelatihan
w1 = 1 , w2 = 1, dan b = 1
Tabel 2.3 Hasil Testing logika AND : input dan target biner
Tabel 2.3 menunjukkan bahwa hanya input yg
pertama menghasilkan output(y) yg sesuai
dengan target
Hasil ini menunjukkan JST Hebb yg dilatih
dengan pasangan pola input biner dan target
biner tidak menghasilkan JST yg sempurna.