JARINGAN SYARAF

TIRUAN
• HILMI TSAQIF
• M. ROFIURRUTAB
Definisi

Jaringan Syaraf Tiruan adalah

paradigma pemrosesan suatu
informasi yang terinspirasi oleh sistim sel
syaraf biologi, sama seperti otak yang
memproses suatu informasi
Komponen jaringan syaraf

 Bobot
 Input
 Fungsi aktivasi
 Output
 Neuron layers (Hidden Layer)
 Algoritma pembelajaran
Arsitektur Jaringan Syaraf Tiruan

 Single Layer Net

 Multilayer Net
 Competitive Layer Net
Single Layer Net
Jaringan dengan lapisan tunggal hanya memiliki
satulapisan dengan bobot-bobot terhubung. Jaringan ini
hanya menerimain put kemudian secara langsung akan
mengolahnya menjadi output tanpa harus melalui lapisan
tersembunyi. Dengan kata lain, ciri-ciri dari arsitektur syaraf
dengan lapisan tunggal adalah hanya terdiri dari satu
lapisan input dan satu lapisan output, tanpa lapisan
tersembunyi.
Multi Layer Net
Jaringan dengan banyak lapisan memiliki satu atau lebih
lapisan yang terletak di antara lapisan input dan lapisan
output (memiliki satu atau lebih lapisan tersembunyi).
Umumnya, ada lapisan bobotbobot yang terletak di
antara 2 lapisan yang bersebelahan. Jaringan dengan
bany ak lapisan ini dapat menyelesaikan permasalahan
yang lebih sulit dari pada jaringan dengan lapisan
tunggal, tentu saja dengan pembelajaran yang lebih
rumit.
Competitive Layer Net
Arsitektur ini memiliki bentuk berbeda dari kedua
arsitektur lainnya, di mana antar neuron saling
dihubungk an. Jaringan ini sering disebut
feedback loop karena unit output ada yang
memberikan informasi terhadap unit masukan.
Fungsi Aktivasi

 Fuzzy Undak Biner

 Fuzzy Bipolar
 Fuzzy Linear
 Fuzzy Saturating Linear
 Fuzzy Symetric Saturating Linear
 Fuzzy Sigmoid Biner
 Fuzzy sigmoid Bipolar
Algoritma Pembelajaran

 Supervised Learning (metode pembelajaran

terawasi)
 Unsupervised Learning (metode pembelajaran
tak terawasi)

Tujuan : untuk melakukan pengaturan

terhadap bobotbobot yang sesuai dengan
pola data yang dilatih.
Supervised Learning
Metode pembelajaran pada jaringan syaraf disebut terawasi jika output
yang diharapkan telah diketahui sebelumnya. Misalkan jaringan syaraf
akan digunakan untuk mengenali pasangan pola, misalkan pada
sebuah operasi logika matematika AND. Pada proses pembelajaran,
satu pola input akan diberikanke satu neuron pada lapisan input. Pola
ini akan dirambatkan ke sepanjang jaringan syaraf hingga sampai ke
neuron pada lapisan output. Lapisan output ini akan membangkitkan
pola output yang nantinya akan dicocokkan dengan pola output
targetnya. Apabila terjadi perbedaan antara pola output hasil
pembelajaran dengan pola target, maka akan muncul error. Apabila
nilai error ini masih cukup besar, berarti perlu dilakukan lebih banyak
pembelajaran lagi. Model-model pembelajaran yang menggunakan
supervised learning di antaranya adalah Backpropagation, Bidirective
Associative Memory (BAM), dan Hopfield
Unsupervised Learning
Metode pembelajaran yang tak terawasi tidak memerlukan
target output. Pada metode ini, tidak dapat ditentukan hasil
yang sep erti apakah yang diharapkan selama proses
pembelajaran. Selama proses pembelajaran, nilai bobot
disusun dalam suatu range tertentu tergantung pada nilai
input yang di berikan. Tujuan pembelajaran ini adalah
mengelompokkan unitunit yang hampir sama dalam suatu
area tertentu . Pembelajaran ini biasanya sangat cocok untuk
pengelompokan (klasifikasi) pola. Model-model
pembelajaran yang menggunakan unsupervised learning di
antaranya adalah Adaptive Resonance Theory (ART) dan
Competitive.
Algoritma Hebb

Pembelajaran dilakukan dengan cara memperbaiki

nilai bobot sedemikian rupa sehingga jika ada 2
neuron yang terhubung dan keduanya pada kondisi
hidup pada saat yang Sama, maka bobot antara
keduanya dinaikkan.
Algoritma Perceptron

Proses pembelajaran untuk mendapatkan bobot-

bobot akhir dilakukan secara berulang sampai
sudah tidak terjadi kesalahan (error) yang terjadi
(output jaringan memiliki nilai yang sama dengan
target yang diharapkan). Apabila proses
pembelajaran dilakukan sampai berulang- ulang
namun masih terjadi kesalahan, maka proses
pembelajaran harus dihentikan.
Algoritma Backpropagation

Backpropagation merupakan salah satu bagian

dari Neural Network. Backpropagation merupakan
metode pelatihan terawasi (supervised learning),
dalam artian mempunyai target yang akan dicari.
ciri dari Backpropagation adalah meminimalkan
error pada output yang dihasilkan oleh jaringan.
dalam metode backpropagation, biasanya
digunakan jaringan multilayer.
Algoritma Perceptron
Proses pembelajaran untuk mendapatkan bobot-
bobot akhir dilakukan secara berulang sampai
sudah tidak terjadi kesalahan (error) yang terjadi
(output jaringan memiliki nilai yang sama dengan
target yang diharapkan). Apabila proses
pembelajaran dilakukan sampai berulang- ulang
namun masih terjadi kesalahan, maka proses
pembelajaran harus dihentikan
Terimakasih