JARINGAN SYARAF TIRUAN

Jaringan Syaraf Tiruan (JST) adalah tiruan dari

jaringan syaraf manusia.Yang ditiru tentu saja
adalah cara kerjanya, yaitu menyampaikan input
melalui neuron-neuron yang membentuk jaringan
untuk akhirnya disampaikan menjadi output

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
LAPISAN PADA JST DIBAGI MENJADI TIGA BAGIAN

1 2
Lapis masukan (input layer)
Lapisan tersembunyi (hidden
terdiri dari neuron yang menerima data
layer)
masukan dari variabel X.
Semua neuron pada lapis ini dapat
terhubung ke neuron pada lapisan
tersembunyi atau langsung ke lapisan terdiri dari neuron yang menerima data
luaran jika jaringan tidak menggunakan dari lapisan masukan.
lapisan tersembunyi
3
Lapisan luaran (output layer)
terdiri dari neuron yang menerima data dari lapisan tersembunyi atau langsung dari lapisan
masukan yang nilai luarannya melambangkan hasil kalkulasi dari X menjadi nilai Y.
JARINGAN SARAF TIRUAN TELAH DIKEMBANGKAN SEBAGAI TURUNAN MODEL
MATEMATIKA DARI KESADARAN MANUSIA ATAU SARAF BIOLOGIS, KARENA
BERDASAR PADA ASUMSI BAHWA

1. Pemrosesan informasi terjadi pada bebera paelemen sederhana yang

disebut neuron.

2. Sinyal lewat diantara neuron menciptakan jaringan koneksi.

3. Setiap koneksi penghubung memiliki bobot yang terhubung, yang

dalam jaringan saraf tertentu mengalikan sinyal yangditransmisikan.

4. Setiap neuron mempunyai fungsi aktrivasi (biasanya non linier) pada

jaringan inputnya (jumlah dari bobot sinyal input) untuk menentukan
sinyal outputnya.
Karakteristik dari jaringan saraf tiruan
adalah

Pola hubungan antar

neuron ( yang menjadi
arsitekturnya).
Metode penentuan bobot dalam
koneksi (disebut sebagai proses
latihan, pembelajaran, atau
Algoritma).

Sebagai Fungsi aktivasi.

 Komponen Jaringan Syaraf
Seperti halnya otak manusia,
jaringan saraf juga terdiri dari
beberapa
neuron, dan saling berhubungan
antara neuronneuron tersebut.

Neuronneuron tersebut akan

mentransformasikan informasi Pada jaringan saraf, hubungan ini
yang diterima melalui dikenal dengan nama
sambungan keluarnya menuju ke
neuronneuron yang lain. bobot

Informasi tersebut disimpan pada

nilai tertentu pada bobot tersebut
KLIK MASUK KE
CONTOH
TABEL
Input : x1,x2,x3,xn adalah sinyal yg masuk ke sel syaraf

Bobot (weight) : w1,w2,w3,wn adalah faktor bobot yang

berhubungan dengan masing-masing node.

Threshold: Nilai ambang internal dari node, dimana besarnya

offset yang mempengaruhi aktivasi dari output node y.

Fungsi aktivasi : Merupakan operasi matematik yang dikenakan

pada sinyal output y. Ada beberapa fungsi aktivasi yang biasa
dipakai dalam JST tergantung dari masalah yang akandiselesaikan.
 CARA KERJA JARINGAN SYARAF TIRUAN
Informasi (disebut: Input ini akan diproses Hasil penjumlahan ini
input) akan dikirim suatu fungsi perambatan kemudian akan
dibandingkan dengan
neuron dengan bobot yang akan menjumlahkan suatu nilai ambang
kedatangan tertentu nilainilai semua bobot (threshold) tertentu
melalui fungsi aktivasi
yang datang setiap neuron.

Apabila input tersebut melewati

suatu nilai ambang tertentu,
maka neuron tersebut akan
APABILA NEURON TERSEBUT diaktifkan, tetapi kalau tidak,
DIAKTIFKAN, MAKA NEURON neuron tersebut tidak akan
TERSEBUT AKAN MENGIRIMKAN
OUTPUT MELALUI BOBOTBOBOT
diaktifkan
OUTPUTNYA KE SEMUA NEURON YANG
BERHUBUNGAN DENGANNYA
 Neuron
Neuron adalah sebuah sel dalam sistem saraf manusia, neuron
berkomunikasi antara satu sama lain dengan cara yang unik

Otak mengandung setidaknya sepuluh kali lebih glia dari neuron.

Glia melakukan banyak pekerjaan. Para peneliti telah dikenal
untuk sementara bahwa transportasi nutrisi glia untuk neuron,
membersihkan puing-puing otak, mencerna bagian neuron yang
mati, dan membantu memegang neuron di tempat.

KLIK SAYA UNTUK

MELIHAT VIDIO
SISTEM PADA SARAF
Model neuron McP memiliki karakteristik
-Fungsi aktivasinya biner
-Semua garis yang memperkuat sinyal (bobot positif)
ke arah suatu neuron memiliki kekuatan (besar bobot)
yang sama. Hal yang sama untuk garis yang
memperlemah sinyal (bobot negatif) ke arah neuron
tertentu
-Setiap neuron memiliki batas ambang (threshold)
yang sama. Apabila total input ke neuron tersebut
melebihi threshold, maka neuron akan meneruskan
sinyal
Tujuan pada pembelajaran supervised

Tujuan pada pembelajaran supervised learning adalah

untuk menentukan nilaibobot-bobot koneksi di
dalam jaringan sehingga jaringan dapat melakukan
pemetaan(mapping) dari input ke output sesuai
dengan yang diinginkan. Pemetaan ini ditentukan
melalui satu set pola contoh atau data pelatihan
(training data set).
SEKIAN TERIMAH KASIH
KELOMPOK 3
1. Angga
2. sanjani gendut
3. melina
4. gusti
5. tri