9
Dengan meniru sistem jaringan biologis maka sistem jaringan syaraf tiruan memiliki 3 karakteristik utama yaitu Desiani dan Arhami, 2006:
1. Arsitektur Jaringan
Merupakan pola keterhubungan antar neuron. Keterhubungan neuron-neuron inilah yang membentuk suatu jaringan.
2. Algoritma Jaringan
Merupakan metode untuk menentukan nilai bobot hubungan. Ada dua jenis metode yaitu metode pelatihan atau pembelajaran dan metode pengenalan.
3. Fungsi aktivasi
Merupakan fungsi untuk menentukan nilai keluaran berdasarkan nilai total masukan pada neuron. Fungsi aktivasi suatu algoritma jaringan dapat berbeda
dengan fungsi aktivasi algoritma jaringan lain.
2.1.1 Pemrosesan dalam Jaringan Syaraf Tiruan
Aliran informasi yang diproses disesuaikan dengan arsitektur jaringan. Beberapa konsep utama yang berhubungan dengan proses adalah :
1. Input masukan
Setiap input bersesuaian dengan suatu atribut tunggal. Serangkaian input pada Jaringan Syaraf Tiruan diasumsikan sebagai vektor X yang bersesuaian
dengan sinyal-sinyal yang masuk kedalam sinapsis neuron biologis. 2.
Output keluaran Output dari jaringan adalah penyelesaian masalah.
3. Weight bobot, mengekspresikan kekuatan relatif atau nilai matematis dari
input data awal atau bermacam-macam hubungan yang mentransfer data dari lapisan ke lapisan. Dengan penyesuaian yang berulang-ulang terhadap nilai
bobot menyebabkan Jaringan Syaraf Tiruan “belajar”. Bobot-bobot ini diasumsikan sebagai vektor W dimana setiap bobot bersesuaian dengan
tegangan strength penghubung sinapsis biologis tunggal. 4.
Maksimum epoch Epoch merupakan perulangan dari proses yang dilakukan untuk mencapai
target yang telah ditentukan. Maksimum epoch adalah jumlah epoch
Universitas Sumatera Utara
10
maksimum yang boleh dilakukan selama proses pelatihan. Iterasi akan dihentikan apabila nilai melebihi maksimum epoch.
5. Laju pemahaman learning rate
Semakin besar nilai learning rate, semakin cepat pula proses pelatihan. Akan tetapi jika nilai learning rate terlalu besar, maka algoritma menjadi tidak stabil dan
mencapai titik minimum lokal, sedangkan jika learning rate terlalu kecil maka algoritma akan mencapai target dalam jangka waktu yang lama.
6. Bias
Sebuah unit masukan yang ditambahkan kedalam yang nilainya selalu = 1. Berfungsi untuk mengubah niali tresshold menjadi 0.
2.1.2 Arsitektur Jaringan
Jaringan syaraf tiruan dibagi kedalam 3 macam arsitektur yaitu Hermawan, 2006:
1. Jaringan dengan lapisan tunggal single layer net
Jaringan syaraf satu lapisan pertama kali dirancang oleh Widrow dan Holf pada tahun 1960. Jaringan dengan lapisan tunggal hanya memiliki satu
lapisan dengan bobot terhubung. Jaringan ini hanya menerima input kemudian secara langsung akan mengolahnya menjadi output tanpa harus
melalui lapisan tersembunyi.
Gambar 2.1 Jaringan dengan lapisan tunggal
Universitas Sumatera Utara
11
Dari gambar 2.1 diperlihatkan bahwa arsitektur jaringan dengan layar tunggal dengan n buah masukan
, ,...,
dan m buah keluaran ,
, ..., . Dalam jaringan ini semua unit input dihubungkan dengan
semua unit output. Tidak ada unit input yang dihubungkan dengan unit input lainnya dan unit output pun demikian.
2. Jaringan dengan banyak lapisan multilayer net
Jaringan dengan banyak lapisan memiliki satu atau lebih lapisan yang terletak diantara lapisan input dan output. Umumnya terdapat lapisan bobot-bobot
yang terletak antara 2 lapisan yang bersebelahan. Jaringan ini dapat menyelesaikan permasalahan yang lebih sulit daripada jaringan dengan
lapisan tunggal, dengan pembelajaran yang lebih rumit.
Gambar 2.2 Jaringan dengan banyak lapisan
Dari gambar 2.2 diperlihatkan jaringan dengan n buah unit masukan ,
, ...,
, sebuah layar tersembunyi yang terdiri dari p buah unit ,
,..., dan 1 buah unit keluaran.
3. Jaringan dengan lapisan kompetitif competitif layer net
Hubungan antar neuron pada lapisan kompetitif ini tidak diperlihatkan pada diagram arsitektur ini.
2.1.3 Algoritma Umum Jaringan Syaraf Tiruan