Artificial Neural NetworkOleh: Reni Kurnia Taufik Dirwanto Monalisa Ari Ramadhan Fatullah Satria Ihsan

Latar BelakangArtificial Neural Network (ANN) atau yang dalam bahasa Indonesia disebut dengan Jaringan Saraf Tiruan (JST) sebuah sistem pemrogaman yang diciptakan berawal dari keingintahuan manusia dalam memahami bagaimana cara kerja sel saraf. Dalam teori psychology memahami cara kerja sel saraf adalah hal yang mustahil, namun dalam teori non linier programming hal tersebut dapat dipatahkan. teori non linier progamming juga mematahkan teori fisika yang menyatakan bahwa kecepatan komunikasi sel saraf dari sel ke sel melebihi kecepatan cahaya. sel saraf berkomunikasi sangat cepat, mereka berkomunikasi antar neuron melalui synapsis.K e lo mpo k IV

Definisi Artificial Neural NetworkMerupakan representasi buatan dari otak manusia yang selalu mencoba mensimulasikan proses pemebelajaran otak manusia tersebut. Istilah buatan digunakan karena jaringan saraf di implementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.

K e lo mpo k IV

Definisi..Sebuah jaringan saraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya ditentukan oleh stuktur jaringan, kekuatan hubungan, dan pegolahan dilakukan pada komputasi elemen atau nodes (AFCEA International Press, p. 60 : 1988)

K e lo mpo k IV

Neuron..Jaringan saraf biologis terdiri atas sel sel yang disebut neuron . Pada jaringan saraf tiruan, juga terdapat istilah neuron atau sering disebut unit, sel, node .

Neuron adalah unit pemroses informasi yang menjadi dasar dalam pengoperasian Jaringan syaraf tiruan.

K e lo mpo k IV

Neuron.Neuron terdiri atas tiga elemen pembentuk:

Himpunan unit-unit yang dihubungkan dengan jalur koneksi. Suatu unit penjumlah yang akan menjumlahkan input-input sinyal yang sudah dikalikan dengan bobotnya Fungsi aktivasi yang akan menentukan apakah sinyal dari input neuron akan diteruskan ke neuron lain ataukah tidak.

K e lo mpo k IV

Karakteristik dari jaringan saraf tiruan

Pola hubungan antar neuron ( yang menjadi arsitekturnya). Metode penentuan bobot koneksi (disebut sebagai latihan, pembelajaran, Algoritma ). Fungsi aktivasi. dalam proses atau

K e lo mpo k IV

Komponen Jaringan SyarafAda beberapa tipe jaringan saraf, tetapi hampir semuanya memiliki komponenkomponen yang sama. Seperti halnya otak manusia, jaringan saraf juga terdiri dari beberapa neuron, dan ada hubungan antara neuronneuron tersebut.

Struktur neuron jaringan saraf

K e lo mpo k IV

Bentuk dan Arsitektur Jaringan Saraf TiruanPada umumnya neuron yang terletak pada lapisan yang sama akan memiliki keadaan sama. Faktor terpenting dalam menentukan kelakuan suatu neuron adalah fungsi aktivasi dan pola bobotnya. Pada setiap lapisan yang sama, neuron neuron akan memiliki fungsi aktivasi yang sama. Ada beberapa bentuk arsitektur jaringan saraf , diantaranya :

K e lo mpo k IV

Jaringan Dengan Lapisan Tunggal ( Single Layer Net)Jaringan ini hanya memiliki satu lapisan dengan bobot bobot terhubung.

Neuron berinput tunggal

K e lo mpo k IV

Jaringan dengan banyak lapisan ( multilayer )

Jaringan saraf multilayer.

K e lo mpo k IV

Fungsi AktivasiFungsi Aktivasi () mendefinisikan nilai output dari sebuah neuron pada level aktivasi tertentu berdasarkan nilai output dari pengombinasi linier. Fungsi ini dipakai untuk menentukan keluaran suatu neuron. Ada beberapa jenis fungsi aktivasi yang sering dipakai, yaitu :

K e lo mpo k IV

Fungsi Undak Biner ( Hard Limit )

K e lo mpo k IV

Fungsi Undak Biner ( Threshold )

K e lo mpo k IV

Fungsi Bipolar ( Symetric Hard Limit )

K e lo mpo k IV

Fungsi Bipolar (dengan threshold )

K e lo mpo k IV

Fungsi Linear (Identitas)Fungsi ini memiliki nilai output yang sama dengan nilai input nya, dirumuskan sebagai berikut: Y=x

K e lo mpo k IV

Fungsi Saturating LinearFungsi saturating linear ini dirumuskan sebagai berikut:

K e lo mpo k IV

Fungsi Symetric Saturating

Linear

Fungsi ini akan bernilai 1 jika input nya kurang dari 1, dan akan bernilai 1 jika input nya lebih dari 1. Sedangkan jika nilai input terletak antara -1 dan 1, maka output nya a0kan bernilai sama dengan nilai input nya.

K e lo mpo k IV

Fungsi Sigmoid BinerFungsi ini digunakan untuk jaringan saraf yang dilatih dengan menggunakan metode backpropagation, mempunyai range 0 sampai 1.

K e lo mpo k IV

Proses Pembelajaran

Jaringan syaraf komputer

Jaringan syaraf masusia

K e lo mpo k IV

Pembelajaran Terawasi ( Supervised Learning )Metode pembelajaran jaringan saraf disebut terawasi jika output yang diharapkan telah diketahui sebelumnya.

K e lo mpo k IV

Pembelajaran Tak Terawasi ( Unsupervised Learning )Pada metode ini, tidak dapat ditentukan hasil seperti apakah yang diharapkan selama proses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu range tertentu tergantung pada nilai input yang diberikan.

K e lo mpo k IV

Terima Kasih

K e lo mpo k IV