JARINGAN

SYARAF
TIRUAN Sutarno, MT.
tarno@ilkom.unsri.ac.id
tarnoabufaruq@yahoo.com
Computer Engineering
University of Sriwijaya
Sutarno, ST. MT.
Gunung Raya, 01 November 1978
0815 3556644
Istri : Elviyanti, SP. M.Si
Anak : 1. Muhammad Fatih Alfaruq
2. Fathiyah Kamilah Azzahirah
3. Muhammad Fawwaz Alghazi
4. Fatimah Sahirah Azzahrah
Email:
tarnoabufaruq@yahoo.com
tarnoabufatiyah@gmail.com
sutarno@unsri.ac.id
Blog:
sutarno.unsri.ac.id
Master Engineering of Gadjah Mada University, 2005
Jl. Pertahanan Lrg. Kelapa Tiga No. 2012 RT. 53 RW. 12 Kel 16 Ulu
Plaju Palembang 30265
Bidang Riset: Artificial Intellegent, Image Processing, Instrumentasi Industri
• 3 SKS
• 14 -16 kali pertemuan
• Penilaian : Tugas Mandiri, Ujian Sisipan (Quist), Ujian MID, UAS
• Reference :
 B. Rao, Valluru B., dan Hayagriva V. Rao. (1993). C++ Neural Network and
Fuzzy Logic. New York: Management Information Source.
 Fausett, Laurent,. (1994). Fundamentals of Neural Networks:
Architectures, Algorithms, and Applications, New Jersey:Prentice-Hall,
Inc.
 Kusumadewi, Sri,. (2005). Jaringan Syaraf Tiruan, Andi Offset,
Yogyakarta.
 ……. ,. (2005). Artificial Intellegent, Andi Offset, Yogyakarta.
 Muis, Saludin. Identifikasi Pola Sinyal dengan Menggunakan Teknik
Neural Network. Yogyakarta: Graha Ilmu, 2009.
 Siang, Jong Jek,.(2005). Jaringan Syaraf Tiruan dan Matlab, Andi offset,
Yogyakarta.
 Tugas Mandiri (Final Project) : 25%
 Ujian Sisipan (Quiz) : 10%
 Ujian Tengah Semester (UTS) : 25%
 Ujian Akhir Semester (UAS)* : 40 %

* Syarat mengikuti Ujian Akhir Semester (UAS), kehadiran

minimal 80% dan jumlah perkuliahan yang dilakukan
Matakuliah ini disampaikan di kelas dan di luar kelas dengan
menggunakan beberapa cara yaitu:
1. Penyampaian satu arah (monolog)/seminar.
2. Diskusi, tanya/jawab/sharing.
3. Praktik penggunaan/pemanfaatan teknologi di laboratorium
Internet (jika memungkinkan).
 Siap menerima materi
 Sopan dan rapi (mengenakan baju berkrah, dan bersepatu.
celana pendek/robek, kaos tanpa kerah tidak diperkenankan
mengikuti perkuliahan)
 Tidak ngobrol (berpartisipasi aktif)
 Hadir sesuai jadwal (kompensasi 30 menit).
 Tidak ada test ulangan untuk semua jenis test, tambahan
tugas atau tugas susulan. Semua ujian dilakukan dan tugas
dikumpulkan pada waktu yang sudah ditentukan.
 Kehadiran minimal 80% dari jumlah perkuliahan yang
berjalan.
 B. Rao, Valluru B., dan Hayagriva V. Rao. (1993). C++ Neural
Network and Fuzzy Logic. New York: Management Information
Source.
 Fausett, Laurent,. (1994). Fundamentals of Neural Networks:
Architectures, Algorithms, and Applications, New Jersey :
Prentice-Hall, Inc.
 Kusumadewi, Sri,. (2005). Jaringan Syaraf Tiruan, Andi Offset,
Yogyakarta.
 ……. ,. (2005). Artificial Intellegent, Andi Offset, Yogyakarta.
 Muis, Saludin. Identifikasi Pola Sinyal dengan Menggunakan
Teknik Neural Network. Yogyakarta: Graha Ilmu, 2009.
 Siang, Jong Jek,.(2005). Jaringan Syaraf Tiruan dan Matlab, Andi
offset, Yogyakarta.
 Pokok Bahasan Materi
 Pendahuluan  Kontrak Kuliah, Pengantar JST, Pengertian, sejarah,
bagaimana JST bekerja, aplikasi
 Komponen jaringan  Neuron, arsitektur jaringan, bias dan nilai ambang,
syaraf representasi data.
 McCoulluc Pitts,  Arsitektur, algoritma, aplikasi.
Hebb
 Adaline, Madaline  Arsitektur, algoritma, aplikasi.
perceptron
 Delta Learning Rule  Arsitektur, algoritma, aplikasi.
 BackPropagation  Fungsi jaringan, algoritma, arsitektur, aplikasi.
 Backpropagation  Arsitektur, algoritma, aplikasi, prosedur
memperbaiki bobot & fungsi aktivasi, aturan, jumlah
hidden layer, pembelajaran.
 Pokok Bahasan Materi
 Radial-basis  Arsitektur, algoritma, aplikasi, strategi pembelajaran,
network interpolasi.
 Kohonen self  Arsitektur, algoritma, aplikasi.
organizing
 Learning Vector  Arsitektur, algoritma, aplikasi, variasi.
Quantization
 Counter-  Full Counter-propagation, forward-only
propagation counterpropagation
 Jar. Elman &  Arsitektur, algoritma, aplikasi.
Hopfield
 Jaringan bobot  Mesin Boltzmann, n Hopfield kontinyu, mesin Gauss
tertentu dan Cauchy
 Pembelajaran pada  Pembelajaran Hebb termodifikasi, Mesin Bolzman,
jaringan jaringan recurrent sederhana, backpropagation in
time, pembelajaran backpropagation untuk jaringan
recurrent penuh.
• Sistem jaringan syaraf yang sangat kompleks dan saling
berhubungan satu dengan yang lain.
• Melakukan koordinasi, menafsirkan, dan mengontrol
interaksi individu dengan lingkungan sekitarnya.
• Dari sistem ini muncul berbagai fenomena kesadaran,
pikiran, ingatan, bahasa sensasi dan gerakan.
• Sistem ini mampu untuk memahami, belajar memberi
respon terhadap sebuah rangsangan merupakan hasil kerja
integritas dari syaraf yang puncaknya dalam bentuk
kepribadian dan tingkah laku individu.
• Sel Syaraf Sensorik menghantarkan rangsangan dari reseptor
(penerima rangsangan) ke sumsum tulang belakang.
• Sel Syaraf Motorik menghantarkan impuls motorik dari
susunan syaraf pusat ke efektor.
• Sel Syaraf Penghubung penghubung sel syaraf yang satu
dengan lainnya.
• Sel saraf mempunyai kemampuan iritabilitas (beraksi ) dan
konduktivitas (membawa inpuls).
• Otak terdiri dari neuron-neuron dan penghubung yang disebut
sinapsis.
• Neuron bekerja berdasarkan impuls/sinyal yang diberikan pada
neuron yang diteruskan ke neuron lainnya.
• Manusia memiliki 1013 neuron dan 1015 sinapsis atau dendrit.
• Neuron memiliki 3 komponen penting, yaitu:
“ Dendrit, menerima sinyal dari neuron lain dan dimodifikasi
selanjutnya Soma, menjumlahkan semua sinyal yang masuk
jika sinyal tersebut cukup kuat dan melebihi batas ambang
akan diteruskan ke sel lain melalui Akson “
• Jaringan Syaraf Tiruan (JST) adalah suatu sistem pemrosesan
informasi yang cara kerjanya memiliki kesamaan tertentu
dengan jaringan syaraf biologis [Fausett, 1994].
• JST merupakan salah satu representasi buatan dari otak
manusia yang selalu mencoba untuk mensimulasikan
proses pembelajaran pada otak manusia tersebut.
• Istilah buatan digunakan karena jaringan syaraf ini
diimplementasikan dengan menggunakan program
komputer yang mampu menyelesaikan sejumlah proses
perhitungan selama proses pembelajaran
• Tahun1940-an, para ilmuwan menemukan bahwa psikologi
otak sama dengan mode pemrosesan yang dilakukan oleh
komputer.
• Tahun1943, McCulloch dan Pitts merancang model formal
yang pertama kali sebagai perhitungan dasar neuron.
• Tahun1954, Farley danClark mensetupmodel-model untuk
relasi adaptif stimulus-respon dalam jaringan random.
• Tahun 1958, Rosenblatt mengembangkan konsep dasar
tentang perception untuk klasifikasi pola.
• Tahun 1960, Widrow dan Hoff mengembangkan ADALINE
yang dilatih dengan pembelajaran Least Mean Square(LMS).
• Tahun1974, Werbos memperkenalkan algoritma
backpropagation.
• Tahun1975, Little dan Shaw menggambarkan jaringan syaraf
dengan probabilistik.
• Tahun1982, Kohonen mengembangkan metode pembelajaran
jaringan syaraf yang tidak terawasi untuk pemetaan
• Tahun1982, Grossberg mengembangkan teori jaringan
• Tahun1982, Hopfield mengembangkan jaringan syaraf
reccurent
• Tahun1985, algoritma pembelajaran dengan mensin
Boltzmann.
• Tahun1987, Koskomengembang-kanjaringanAdaptive
Bidirectional Associative Memory(BAM).
• Tahun1988, dikembangkan fungsi radial bebas.
JST dikembangkan sebagai model matematis dari syaraf biologis
dengan berdasarkan asumsi bahwa:
1. Pemrosesan terjadi pada elemen-elemen sederhana yang
disebut Neuron.
2. Sinyal dilewatkan antar neuron melalui Penghubung.
3. Setiap penghubung memiliki bobot yang akan mengalikan
sinyal yang lewat.
4. Setiap neuron memiliki fungsi aktivasi yang akan
menentukan nilai sinyal output.
JST ditentukan oleh 3 hal:
1. Pola hubungan antar neuron (disebut Arsitektur Jaringan)
2. Metode untuk menentukan bobot penghubung (disebut
Metode Training/Learning/Algoritma)
3. Fungsi Aktivasi
Neuron adalah unit pemroses informasi yang menjadi dasar dalam
pengoperasian JST, yang terdiri dari 3 elemen pembentuk:
 Unit penghubung (bobot)
 Unit penjumlah, yang akan menjumlahkan input-input sinyal yang suah
dikalikan dengan bobot
 Fungsi aktivasi, yang menentukan sinyal akan diteruskan atau tidak
 Tiruan Neuron dalam JST sebagai elemen pemrosese seperti halnya neuron.
 Sejumlah sinyal masukan (x) dikalikan dengan masing-masing pembobotan
jaringan penghubung (w).
 Penjumlahan dari hasil perkalian sebagai keluaran kemudian dimasukkan
dalam fungsi pengaktifan (fungsi aktivasi), untuk mendapatkan tingkat
derajat sinyal keluarannya F(x).
 Temukan publikasi jurnal hasil penelitian yang behubungan dengan
implementasi jaringan syaraf tiruan pada berbagai bidang
 Lakukan analisis terhadap metode jaringan syaraf tiruan yang digunakan
meliputi input – proses – output
 Algoritma JST yang digunakan pada jurnal tersebut meliputi: arsitektur,
proses pembelajarannya, hasilnya