Network
JARINGAN SYARAF TIRUAN
Tipe ANN
• ANN dibuat oleh Warren McCulloch dan Walter Pitts pada tahun 1940.
• Tipe ANN berdasarkan koneksi antar neuron yaitu feedforward dan
feedback
• Tipe ANN berdasarkan algoritma pembelajaran:
• Supervised
• Unsupervised
• Fungsi aktivasi: threshold
Istilah dalam ANN
1. Bobot (weight)
• Merupakan label pada konektor antar neuron
• Berisi informasi sinyal input
2. Bias
• Sama seperti bobot lainnya
• Hubungan input dan output dapat ditulis dengan persamaan garis lurus y = mx+c
Bias
Input X Y y = mx+c
3. Activation function
• Untuk menghitung output neuron
• Linier atau non linier
4. Learning rate (η)
• Untuk mengendalikan jumlah penyesuaian bobot tiap langkah training
Komponen ANN
Sel
neuron
Simpul Sel sensor Xn
Sel
input
Sel
ANN dummy/ X0
sel tiruan
output
sinapsis
Bias
Neuron
X0 X0
W0
X1
X1
W1
Y
∑→f(s)
X2
W2 X2
.
.
.
Wn X3
Xn
• Input neuron bisa berasal dari 3 sumber
yaitu:
1.Sel neuron lain
2.Sel sensor
3.Sel dummy
• Ketika lebih dari satu anak panah keluar
dari sel, semuanya akan bernilai sama.
• Contoh pada gambar di samping,
sebuah sel sensor x1 memiliki 2 anak
panah keluar dari sel. Misal nilai x1=1, X0
nilai ini akan digunakan sebagai input
Y1
untuk kedua neuron x2 dan x3 X2
X1
Y2
X3
X0
• Di dalam sel neuron (lingkaran) ada dua operasi:
1.Jumlah dari perkalian antara bobot dan input X0
2.Fungsi aktivasi non linier f (s)
W0
X1
W1
Y
∑→f(s)
X2
W2
.
.
.
Wn
Xn
• Neuron ini akan mengakumulasi jumlah dari perkalian bobot sinapsis dan
input neuron termasuk bias w0 dan input tiruan x1 = 0 menggunakan rumus:
Contoh
• Diketahui nilai bobot, sel sensor x1= 1, x2 = 1 , x3 = 0, tentukan
nilai s.
• Jawab:
S = w0 x0 + w1 x1 + w2 x2 + w3 x3 = (-1)∙1 + 0,5∙1 + 2.5.1 + (-1,5).0 =2
• Jawab:
s = 0,25 berarti s > 0 sehingga y = f (s) = f (0,25) = 1
Contoh
• Diketahui dari gambar berikut, w12 = -2, w13 = -0,5, bias w02 = 1 dan
w03 = 1,5. Bagaimana output jika input = 1. Bagaimana pula output
jika input = 0.
• Untuk input = 1, nyatakan x1 = 1
S2 = w02 x0 + w12 x1 = 1∙1 + (-2)∙1 = -1
y1 = f (s2) = f (-1) = 0
S3 = w03 x0 + w13 x1 = 1,5∙1 + (-0,5)∙1 = 1
y2 = f (s3) = f (1) = 1
• Sebuah Perusahaan yang bergerak di bidang pemberian kredit, ingin melakukan prediksi
terhadap calon customernya apakah mereka layak diberikan pinjaman atau tidak. Jika
customer diprediksi akan bangkrut maka customer tidak akan diberikan pinjaman, jika
seorang customer memiliki harta 0,7 dan punya utang 0,6 tentukan dengan ANN
Perceptron untuk pemberian pinjaman atas status sesuai data berikut :