Jaringan syaraf tiruan adalah sistem pemrosesan informasi yang meniru kerja jaringan syaraf biologi manusia dengan menggunakan neuron sebagai unit pemroses dan sinapsis sebagai penghubung antar neuron. Jaringan syaraf tiruan mampu mempelajari pola dan merespon seperti otak manusia dengan memperkuat atau memperlemah sinyal antar neuron berdasarkan bobot sinapsis. Aplikasinya meliputi pengenalan pola,
1. JARINGAN
SYARAF TIRUAN
Tenia Wahyuningrum, S.Kom., MT
2. pembahasan
Plus
Konsep
Sejarah JSB Minus
JST
JST
3. 1943, McCulloch dan Pitts
Menyimpulkan bahwa kombinasi beberapa
neuron sederhana menjadi sebuah sistem
neuron akan meningkatkan kemampuan
komputasinya
Bobot dalam jaringan diatur untuk melakukan
fungsi logika sederhana
Fungsi aktivasi yang digunakan adalah fungsi
Pitts threshold
McCulloh
14. Komponen Penting Neuron
Dendrit Dendrit
Menerima sinyal kimia
listrik dari neuron lain
Soma
Menjumlahkan semua
sinyal yang masuk
Jika hasil penjumlahan
sinyal cukup kuat atau
melebihi threshold, sinyal
Soma akan diteruskan ke sel lain
(cell body) melalui axon
Axon
Mengirimkan sinyal ke
Axon
neuron lain
15. Koneksi Antar Neuron
axon dendrit
sinapsis
Pengiriman sinyal / informasi terjadi pada sinapsis
Sinapsis memperkuat atau memperlemah sinyal yang
hendak dikirimkan
16. JST
“Sistem pemrosesan informasi
dengan karakteristik menyerupai
jaringan syaraf biologi”
17. Asumsi
Penghubung
antar neuron
memiliki bobot
yang dapat
memperkuat
Pemrosesan atau
informasi terjadi memperlemah
pada neuron sinyal
Sinyal dikirimkan Untuk
antar neuron menentukan
melalui suatu keluaran, setiap
penghubung neuron
menggunakan
fungsi
aktivasi, yang
menentukan
sinyal diteruskan
ke neuron lain
atau tidak
18. Model Neuron
x1
w1
Neuron adalah unit pemroses
x2 w2 Y informasi yang menjadi dasar
jaringan syaraf tiruan
w3
x3
Terdiri dari 3 elemen :
Himpunan unit-unit yang dihubungkan dengan jalur koneksi
Unit penjumlah yang akan menjumlahkan sinyal masukan
yang sudah dikalikan dengan bobotnya
Fungsi aktivasi yang akan menentukan apakah sinyal dari
input neuron akan diteruskan ke neuron lain atau tidak
19. Model Neuron
x1
w1 net=(x1w1+x2w2+x3w3)
x2 w2 Y y=f(net)=f(x1w1+x2w2+x3w3)
w3 Y menerima input dari neuron x1, x2, x3 dengan
x3 bobot penghubung masing-masing w1, w2, w3
Ketiga impuls neuron dijumlahkan :
net = x1w1+x2w2+x3w3
Besarnya impuls yang diterima Y mengikuti
fungsi aktivasi y=f(net)
Apabila nilai fungsi aktivasi cukup kuat, sinyal
akan diteruskan ke neuron lain
20. Karakteristik JST
Ditentukan oleh :
• Arsitektur jaringan (pola hubungan antar
neuron)
– Jaringan layer tunggal, jaringan layer jamak
• Metode training/learning (metoda
menentukan bobot penghubung)
– Dengan supervisi (diawasi) atau tanpa supervisi
• Fungsi aktivasi
– Hard limit, sigmoid
21. Aplikasi JST
• Pengenalan pola (pattern recognition)
– Mengenal huruf, angka, suara, tanda tangan yang
sudah sedikit berubah
– Menyerupai otak manusia yang masih mampu
mengenali orang yang sudah beberapa waktu tidak
dijumpai (wajah/bentuk tubuh sedikit berubah)
• Pengolahan sinyal (signal processing)
– Menekan noise dalam saluran telepon
• Peramalan (forecasting)
– Meramal kejadian masa datang berdasarkan pola
kejadian yang ada di masa lampau
– JST mampu mengingat dan membuat generalisasi
dari apa yang sudah ada sebelumnya
22. Perkembangan JST
Model JST formal pertama diperkenalkan oleh
McCulloch dan Pitts (1943)
1949, Hebb mengusulkan jaringan Hebb
1958, Rosenblatt mengembangkan perceptron
untuk klasifikasi pola
1960, Widrow dan Hoff mengembangkan
ADALINE dengan aturan pembelajaran Least
Mean Square (LMS)
1974, Werbos memperkenalkan algoritma
backpropagation untuk perceptron banyak
lapisan
23. Kelebihan dan Kelemahan JST
Kelebihan :
Banyak aplikasi menjanjikan yang dapat
dilakukan oleh jaringan syaraf tiruan, terutama
masalah rumit yang sangat tidak linier
Kelemahan :
Ketidakakuratan hasil yang diperoleh
Bekerja berdasarkan pola yang terbentuk pada
inputnya