1. Yg dimaksud Jaringan syaraf tiruan (artifical neural network) adalah sistem komputasi yang arsitektur dan operasinya diilhami dari pengetahuan tentang sel syaraf biologis di dalam otak.3 definisinya :-1. Pola hubungan antar neuron (disebut arsitektur jaringan)

-2. Metode untuk menentukan bobot penghubung (disebut metode training/learning/algoritma)

-3. Fungsi aktivasi

2. Sejarah singkat 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 1982, Kohonen mengembangkan learning unsupervised untuk pemetaan

1982, Grossberg dan Carpenter mengembangkan Adaptive Resonance Theory (ART, ART2, ART3)

1982, Hopfield mengembangkan jaringan Hopfield untuk optimasi

1985, Algoritma Boltzmann untuk jaringan syaraf probabilistik

1987, dikembangkan BAM (Bidirectional Associative Memory)

1988, dikembangkan Radial Basis Function

3. Dasar JST :

1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron

2. Sinyal mengalir diantara sel saraf/neuron melalui suatu sambungan penghubung

3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini akan digunakan untuk menggandakan / mengalikan sinyal yang dikirim melaluinya.4. Setiap sel syaraf akan menerapkan fungsi aktivasi terhadap sinyal hasil penjumlahan berbobot yang masuk kepadanya untuk menentukan sinyal keluarannya.

4. Kelebihan & Kekurangan JST :Kelebihannya yaitu :1. Mampu memecahkan masalah yang sukar disimulasikan dengan menggunakan teknik analitikal logika seperti pada sistem pakar dan teknologi software standar.

2. Mampu memahami data yang dimasukkan meskipun data tersebut tidak lengkap (incomplete data) atau data yang terkena gangguan (noisy data).3. Jaringan syaraf tiruan yang sulit diciptakan dengan pendekatan simbolik/logikal dari teknik tradisional artificial intelligence, yaitu bahwa jaringan syaraf tiruan mampu belajar dari pengalaman.4. Hemat biaya dan lebih nyaman bila dibandingkan dengan harus menulis program seperti software standar. Pada jaringan syaraf tiruan, yang perlu dilakukan adalah melatih jaringan untuk belajar dengan cara memasukkan set data berisi sekumpulan kasus ke dalam jaringan.5. Jaringan syaraf tiruan terbuka untuk digabungkan dengan tekonologi lain, misalnya dengan expert system, logika fuzzy, algoritma genetika, atau diintregasikan dengan database.

Kekurangannya :

1. Prosesnya perlu pembelajaran terlebih dahulu2. karena tidak mampu menjelaskan bagaimana suatu hasil didapatkan3. Kurang mampu untuk melakukan operasi operasi numerik dengan presisi tinggi4. Kurang mampu melakukan operasi algoritma aritmatik, operasi logika dan simbolis5. Lamanya proses training yang mungkin terjadi dalam waktu yang sangat lama untuk jumlah data yang besar

5. Struktur JST .....

6. Operasional dr JST

Pengenalan pola (pattern recognition)

Huruf, tanda tangan, suara, gambar yang sudah sedikit berubah (mengandung noise)

Identifikasi pola saham

Pendeteksian uang palsu, kanker

Signal Processing

Menekan noise pada saluran telepon

Peramalan

Peramalan saham

Autopilot dan simulasi

Kendali otomatis otomotif

7. Algoritma dr JST : Dimasukkan n data pelatihan

Inisialisasi bobot-bobot jaringan, set i = 1

Masukkan contoh ke-i ke dalam input

Cari tingkat aktivasi unit output menggunakan algoritma yang ditetapkan

If memenuhi kriteria output then exit

else:

Update bobot2 menggunakan fungsi galat error, Bobot baru = bobot lama + delta

If i=n then reset i=1, else i=i+1

8. Neuron adalah sel syaraf tiruan yang merupakan elemen pengolah JST11. Neuron dikelompokkan menjadi 3 bagian :

1. Dendrit : bertugas menerima informasi = jalur input bagi soma

2. Badan sel (soma) = tempat pengolahan informasi

3. Akson = bertugas mengirimkan impuls-impuls sinyal ke sel syaraf lain = jalur output bagi soma

13. Fungsi Aktivasi : fungsi yang digunakan untuk mengupdate nilai-nilai bobot per-iterasi dari semua nilai input.

1. Fungsi aktivasi sederhana adalah mengakalikan input dengan bobotnya dan kemudian menjumlahkannya (disebut penjumlahan sigma)

2. Berbentuk linier atau tidak linier, dan sigmoid