Jaringan Syaraf Tiruan

Pertemuan 1
 Otak terdiri dari neuron-neuron
dan penghubung yang disebut
JARINGAN SYARAF BIOLOGI sinapsis

1012 neuron, 1015 dendrit dan 6.1018

sinapsis

Mampu mengenali pola,

Perhitungan,dan mengontrol
organ-organ tubuh
Sinyal tersebut berupa impuls
elektrik yang dikirim melalui
celah sinapsis melalui proses
kimiawi
Sinyal tersebut dimodifikasi
(diperkuat/diperlemah) di celah
sinapsis

Jumlah >
sinyal tersebut akan diteruskan soma menjumlahkan semua
Threshol
ke sel lain melalui axon sinyal-sinyal yang masuk
d
 Pengertian JARINGAN SYARAF TIRUAN
Sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan
syaraf biologi yang digambarkan sebagai berikut :
• Menerima input atau masukan (baik dari
data yang dimasukkan atau dari output
sel syaraf pada jaringan syaraf. • Setiap sel syaraf mempunyai sebuah nilai
• Setiap input datang melalui suatu ambang. Jumlah bobot dari input
koneksi atau hubungan yang dan dikurangi dengan nilai ambang
mempunyai sebuah bobot (weight). kemudian akan mendapatkan suatu aktivasi
dari sel syaraf (post synaptic potential,
PSP, dari sel syaraf). Signal aktivasi
kemudian menjadi fungsi aktivasi / fungsi
transfer untuk menghasilkan output dari sel
syaraf
 JST dibentuk sebagai generalisasi model matematika dari
jaringan syaraf biologi, dengan asumsi bahwa

1. Pemrosesan informasi terjadi pada banyak elemen sederhana

(neuron).
2. Sinyal dikirimkan diantara neuron-neuron melalui penghubung-penghubung.

3. Penghubung antar neuron memiliki bobot yang akan

memperkuat atau memperlemah sinyal.
4. Untuk menentukan output, setiap neuron menggunakan fungsi
aktivasi (biasanya bukan fungsi linier) yang dikenakan pada jumlahan
input yang diterima. Besarnya output ini selanjutnya dibandingkan dengan
suatu batas ambang.
Hal yang ingin dicapai dengan melatih JST adalah untuk mencapai keseimbangan
antara kemampuan memorisasi dan generalisasi

Cara kerja Jaringan Saraf Tiruan dalam memperoleh pengetahuan yang akan
dipelajari menyerupai otak manusia, yaitu :

a) Pengetahuan diperoleh jaringan melalui proses belajar.

b) Kekuatan hubungan antar sel saraf yang dikenal sebagai bobot-bobot

sinapsis yang digunakan untuk menyimpan pengetahuan.
 JST ditentukan oleh 3 Hal
1. Pola hubungan antar neuron
(disebut arsitektur jaringan)
2. Metode untuk menentukan bobot
penghubung (metode training/
learning / algoritma)
3. Fungsi aktivasi

Contoh Neuron Y
Y menerima input dari neuron x1, x2, dan x3 dengan bobot hubungan
masing-masing adalah w1, w2, dan w3. Ketiga impuls neuron yang ada
dijumlahkan.

Besarnya impuls yang diterima oleh Y mengikuti fungsi aktivasi y = f(net).

Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan.

Nilai fungsi aktivasi (keluaran model

jaringan) juga dapat dipakai sebagai dasar
untuk merubah bobot.
 APLIKASI JARINGAN SYARAF TIRUAN
Algoritma jaringan saraf tiruan yang telah dibentuk kemudian dilatih
sehingga memperoleh pengetahuan dapat diterapkan ke dalam sebuah
aplikasi

Pengenalan Pola Signal

Peramalan
(Pattern Processing Berdasarkan pola
Recognition) Misal menekan
kejadian yang
misal huruf, angka, noise dalam
ada di masa yang
suara atau tanda saluran telpon.
lampau
tangan
Model Neuron
 Model Neuron
Neuron adalah unit
pemroses informasi yang 1. Himpunan unit-unit yang dihubungkan
menjadi dasar dalam dengan jalur koneksi.
pengoperasian JST 2. Suatu unit penjumlah yang akan
menjumlahkan input-input sinyal yang
sudah dikalikan dengan bobot.
3. Fungsi aktivasi yang akan menentukan
apakah sinyal dari input neuron akan
diteruskan ke neuron lain ataukah tidak.
KONSEP DASAR JARINGAN SYARAF TIRUAN
Setiap pola-pola informasi input
dan output yang diberikan ke
dalam jaringan saraf tiruan
diproses dalam neuron
Neuron tersebut terkumpul
didalam lapisan-lapisan yang
disebut neuron layers.
Lapisan-lapisan penyusun jaringan saraf tiruan tersebut
dapat dibagi menjadi 3, yaitu :
Lapisan input
Unit-unit di dalam lapisan input disebut unit-unit input.
Unit-unit input tersebut menerima pola inputan data
dari luar yang menggambarkan suatu permasalahan.
Lapisan tersembunyi
Unit-unit di dalam lapisan tersembunyi disebut unit-
unit tersembunyi (hidden layer). Dimana output-nya
tidak dapat secara langsung diamati.
Lapisan output
Unit-unit di dalam lapisan output disebut unit-unit
output. Output dari lapisan ini merupakan solusi
jaringan saraf tiruan terhadap suatu permasalahan
 ARSITEKTUR JARINGAN SYARAF TIRUAN
Jaringan Layar Tunggal
(single layer network)
 ARSITEKTUR JARINGAN SYARAF TIRUAN
Jaringan Layar Jamak
(multi layer network)
 ARSITEKTUR JARINGAN SYARAF TIRUAN
Jaringan Recurrent
(Recurrent Layer
Network)
 FUNGSI AKTIVASI
 Jika tahapan fungsi aktivasi digunakan (output sel syaraf = 0 jika input <0 dan 1 jika
input >= 0) maka tindakan sel syaraf sama dengan sel syaraf biologi yang dijelaskan
diatas (pengurangan nilai ambang dari jumlah bobot dan membandingkan dengan 0
adalah sama dengan membandingkan jumlah bobot dengan nilai ambang).
 Biasanya tahapan fungsi jarang digunakan dalan Jaringan Syaraf Tiruan. Fungsi
aktivasi (f(.))
 FUNGSI AKTIVASI
 Fungsi aktivasi dipakai untuk menentukan keluaran suatu
neuron.
 Fungsi aktivasinya adalah f(net) = .
 Kadang dalam jaringan ditambahkan sebuah unit masukan
yang nilainya selalu = 1. Unit yang demikian disebut bias
 Bias dapat dipandang sebagai sebuah input yang nilainya
=1
 Jika melibatkan bias, maka keluaran unit penjumlah
adalah
 Fungsi aktivasi threshold menjadi:
 CONTOH
Suatu jaringan layar tunggal seperti gambar di atas terdiri dari 2 input x1 = 0,7
dan x2 = 2,1 dan memiliki bias. Bobot w1 = 0,5 dan w2 = -0,3 dan bobot bias b =
1,2. Tentukan keluaran neuron Y jika fungsi aktivasi adalah threshold bipolar.

Penyelesaian:

Karena net > 0 maka keluaran dari jaringan y =f(net) = 1