JARINGAN SYARAF TIRUAN

BAB III

Jaringan Syaraf Tiruan

Pengenalan Jaringan Syaraf Tiruan

Bagian penting jaringan syaraf secara biologis, yaitu :

1. Dendrit

2. Soma

3. Axon

Jaringan Syaraf Tiruan  adalah sebuah system pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. Dengan asumsi :

• Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron);
•  Sinyal dikirimkan diantara neuron-neuron melalui penghubung-penghubung;
•  Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal;
•  Untuk menentukan output, setiap neuron menggunakan funsi aktivasi (biasanya bukan fungsi linier) yang dikenakan pada jumlahan input yang diterima . Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang.

Contoh : Neuron Y

 Y menerima input dari neuron x₁, x₂, dan x₃dengan bobot hubungan masing- masinga dalah w₁, w₂, dan w₃. Ketiga impuls neuron yang ada dijumlahkan.

Besarnyaimpuls yang diterimaoleh Y mengikutifungsiaktivasi y = f(net). Apabilafungsiaktivasicukupkuat, makasiyalakanditeruskan. Nilaifungsiaktivasi (keluaran model jaringan) jugadapatdipakaisebagaidasaruntukmerubahbobot.

Aplikasi Jaringan Syaraf Tiruan

1. Pengenalan Pola (pattern Recognition)

Jaringan syaraf tiruan dapat dipakai untuk mengenali pola (misal huruf, angka, suara atau tanda tangan) yang sudah sedikit berubah.

2. Signal Processing

Jaringan syaraf tiruan (model ADALINE) dapat dipakai unuk menekan noise dalam saluran telepon.

3. Peramalan

Jaringan syaraf tiruan juga dapat dipakai untuk meramalkan apa yang sudah terjadi di masa yang akan datang berdasarkan pola kejadian yang ada di masa lampau. Ini dapat dilakukan mengingat kemampuan jaringan syaraf tiruan untuk mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya.

Dalam syaraf tiruan, prosesnya banyak berhubungan dengan vektor dan matriks.

1. Vektor

Operasi vektor :

- Perkalian vektor dengan skalar

- Penjumlahan 2 buah vektor

- Hasil kali titik 2 vektor

Penjumlahan vektor (matlab)

Perkalian vektor (matlab)

Norma Vektor

Beberapa sifat norma vektor adalah sebagai berikut :

a. Jika c adalah sembarang bilangan rill, maka ||cx|| = |c| ||x||

b. Jarak 2 buah vektor x dan y adalah ||x-y||

c.    adalah vektor searah x dengan panjang = 1

d. Pertidaksamaan Cauchy-Schwartz :

                                                (xy)²≤||x||²||y||²

Matriks ( penjelasaan ada di sub bab Fuzzy Logic )

Model Neuron

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

3 elemen pembentuk neuron :

1. Himpunan unit unit yang dihubungkan dengan jalur koneksi.

   Dimana memiliki bobot  positif(memperkuat sinyal)dan bobot negative(memperlemah sinyal)

2. Unit penjumlahan,

   Berfungsi untuk menjumlahkan input input sinyal yang sudah dikalikan dengan bobotnya

3. Fungsi aktifasi

    Menentukan apakah sinyal input neuron akan diteruskan ke neuron lain atau tidak.

Arsitektur Jaringan

- Jaringan layar tunggal

- —Jaringan layar jamak

- Jaringan Recurrent (Feedback Loop/output memberikan sinyal pada input)

Fungsi  Aktivasi

Dipakai untuk menentukan keluaran suatu neuron,argumentasi fungsi aktivasi adalah net masukan(kombinasi linier masukan dan bobotnya).

a. fungsi threshold(batas ambang)

            b. fungsi sigmoid

c. Fungsi Identitas

                     f(x) = x

Bias dan Threshold 

—            Bias dapat dipandang sebagai salah sebuah input yang nilainya = 1,yang berfungsi untuk mengubah nilai threshold menjadi 0(bukan = a)

Pelatihan Dengan dan Tanpa Supervisi

Berdasarkan strategi pelatihan,model jaringan di bagi menjadi 2:

a)      Pelatihan dengan supervisi

                contoh model yang masuk dalam kategori ini antara lain model hebbian,perceptron,adaline,dll.

a)      Pelatiahan tanpa supervisi

                contoh model yang masuk dalam kategori ini antara lain model competitive,hebbian,kohonen,dll.

Aplikasi yang telah ditemukan:

◦       Klasifikasi

                Model yang masuk aplikasi ini adalah ADALINE,LVQ,dll.

◦       Pengenalan pola

                Model yang masuk aplikasi ini adalah Art,LVQ,dll.

◦       Peramalam

                Model yang masuk aplikasi ini adalah ADELINE,MADELINE,dll.

◦       Optimisasi

                Model yang masuk aplikasi ini adalah ADELINE,Hepfield,Boltzman,dll.

Neuron Mc Culloch-Pitts (model JST yang pertama kali dotemukan)

- Fungsi aktivasinya biner

- Semua garis yang memperkuat sinyal(bobot positif) ke arah neuron memilik besar boot yang sama.Hal ini juga berlaku untuk garisyang memperlemah sinyal(bobot negatif)

- Setiapneuron memiliki threshold yang sama,apabila total neuron melebihi threshold maka neuron akan meneruskan sinyal.