NIM = UBL/1211501075

Nama = Christian Yonathan S

Mata Kuliah = Jaringan Syaraf Tiruan

1. Apa yang dimaksud dengan JST? Apa karakteristik JST? Mengapa JST banyak

dimanfaatkan untuk menyelesaikan masalah?

JST adalah sistem komputasi yang arsitektur dan operasinya diilhami dari

pengetahuan tentang sel syaraf biologis didalam otak. JST juga merupakan salah satu

representasi buatan dari otak manusia yang selalu mencoba menstimulasi proses

pembelajaran pada otak manusia tersebut.

Karakteristik JST adalah Faktor Bobot dan Faktor Aktivasi.

Karena JST mempunyai sifat belajar dari pengalaman,dan JST mampu menyelesaikan

permasalahan yang tidak terstruktur dan sulit didefinisikan.

2. Jelaskan cara-cara pembelajaran dalam JST?

Pembelajaran terawasi adalah metode yang digunakan jika output yang diharapkan

telah diketahui sebelumnya. Biasanya pembelajaran ini dilakukan dengan

menggunakan data yang telah ada.

Pembelajaran yang tidak terawasi adalah yang digunakan jika tidak memerlukan

target output. Pada metode ini tidak dapat ditentukan hasil seperti apa yang

diharapkan selama proses pembelajaran.

3. Apa yang dimaksud learning dan generalization dalam JST?

Learning = mengadaptasi parameter-parameter jaringannya.

Generalization = kemampuan memberikan tanggapan yang layak untuk masukan

yang sejenis namun tidak identic dengan yang dipakai pada pelatihan.

4. Apa yang dimaksud fungsi aktivasi? Jelaskan beberapa fungsi aktivasi!

Fungsi aktivasi merupakan operasi matematik yang dikenakan pada sinyal output y.

Beberapa contoh fungsi aktivasi sbb :

a) Fungsi Sigmoid Linear

Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan menggunakan

metode backpropagation. Fungsi sigmoid biner memiliki nilai pada range 0

sampai 1.

b) Fungsi Sigmoid Bipolar

Fungsi ini hampir sama dengan fungsi sigmoid biner, hanya output dari fungsi ini

memiliki range antara 1 sampai -1.

5. Bagaimana mengupdate bobot JST?

a) Langkah 0

Inisialisasi bobot dan bias,untuk lebih mudah set bias dan bobot ke nol. Lalu tentukan

nilai laju pelatihan.

b) Langkah 1

Selamat kondisi henti bernilai salah,jalankan langkah 2 hingga 6.

c) Langkah 2

Untuk setiap pasangan pola s:t lakukan langkah 3 hingga 5

d) Langkah 3

Set nilai aktivasi untuk unit input Xi = Si

e) Langkah 4

hitung respon dari unit output

f) Langkah 5

Update nilai bobot dan bias jika terjadi error pada pola

g) Langkah 6

Test kondisi henti.

Jika tidak ada perubahan bobot dilangkah 2,berhenti. Jika tidak,maka lanjut. Dari

nilai bobot hasil pelatihan dapat diperoleh garis pemisah.

6. Apa yang dimaksud multilayer perceptron? Tunjukkan arsitekturnya! Bagaimana

pemrosesan yang terjadi pada satu node,satu layer, dan satu output?

Multilayer perceptron adalah dimana setiap neuron akan memiliki banyak

interkoneksi dengan neuron lainnya.

Akan menjadi lebih mudah dalam proses penentuan nilai bobotnya,sehingga lebih

cepat dalam menghasilkan nilai output yang diharapkan.

7. Contoh real penggunaan JST,tunjukkan parameter apa yang menjadi input,apa yang

menjadi target outputnya! Tunjukkan arsitekturnya! Tuliskan algoritma pembelajarannya!

Masalahnya adalah sensor yang menentukan apakah Apel atau Jeruk. Target input =

{Warna,Bentuk}; Target output = {Apel};

Nama/Tipe Warna Bentuk

Apel = 0 1 0

Jeruk = 1 0 1

Algoritma pembelajarannya,mengikuti jawaban no 5.