JARINGAN SYARAF TIRUAN

Tenia Wahyuningrum, S.Kom., MT

pembahasan

Sejarah JSB Konse

p JST

Plus Minus

JST

1943, McCulloch dan Pitts

Pitts

McCulloh

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 threshold

Manusia bereaksi cepat terhadap perubahan

Mereka menggunakan sistem syarafnya untuk melakukan perilaku ini

Struktur syaraf manusia

Otak manusia dengan bagian kerja otak

JST mencoba meniru

JSB agar dapat menghasilkan respon dan perilaku yang sama

Struktur otak manusia

Kompleksitas otak

1012 neuron (sel-sel syaraf)

6.1018 sinapsis (penghubung)

Neuron bekerja berdasarkan impuls/sinyal yang diberikan padanya, dan diteruskan ke neuron lain

Mengontrol organ-organ

tubuh

Mengenali pola

Melakuka

n

perhitung

an

Kemampuan otak, merespon dengan kecepatan

tinggi

Contoh : pengenalan wajah seseorang yang sedikit berubah

Sel Syaraf (Neuron)

Komponen Penting Neuron

Dendrit

Soma (cell body)

Axon

Dendrit Menerima sinyal kimia

listrik dari neuron lain

Soma Menjumlahkan semua

sinyal yang masuk Jika hasil penjumlahan

sinyal cukup kuat atau melebihi threshold, sinyal akan diteruskan ke sel lain melalui axon

Axon Mengirimkan sinyal ke

neuron lain

Koneksi Antar Neuron

sinapsis

axon dendrit

Pengiriman sinyal / informasi terjadi pada sinapsisSinapsis memperkuat atau memperlemah sinyal yang hendak dikirimkan

“Sistem pemrosesan informasi dengan karakteristik menyerupai

jaringan syaraf biologi”

JST

Asumsi

Pemrosesan informasi

terjadi pada neuron

Sinyal dikirimkan

antar neuron melalui suatu penghubung

Penghubung antar neuron

memiliki bobot yang dapat

memperkuat atau

memperlemah sinyal

Untuk menentukan

keluaran, setiap neuron menggunakan fungsi aktivasi,

yang menentukan

sinyal diteruskan ke neuron lain atau tidak

Model Neuron

Neuron adalah unit pemroses informasi yang menjadi dasar jaringan syaraf tiruan

x1

x2

x3

Y

w1

w2

w3

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

Model Neuron

x1

x2

x3

Y

Y menerima input dari neuron x1, x2, x3 dengan 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

w1

w2

w3

y=f(net)=f(x1w1+x2w2+x3w3)

net=(x1w1+x2w2+x3w3)

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

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

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

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

THANK YOU