3. Tiap hubungan koneksi mempunyai nilai bobot sendiri. Nilai bobot ini menyediakan informasi yang akan digunakan oleh jaringan untuk
memecahkan masalah. 4. Tiap simpul mempergunakan fungsi aktivasi terhadap input yang
diterimanya untuk menentukan sinyal keluaran.
2.2. Karakteristrik JST
Karakteristik JST ditentukan oleh 3 hal yaitu: 1. Pola hubungan antar neuron disebut arsiktektur jaringan.
2. Metode untuk menentukan nilai bobot tiap hubungan disebut trainingpembelajaran.
3. Fungsi aktivasi Fungsi Transfer. Fungsi aktivasi dipakai untuk menentukan keluaran suatu neuron. Argumen fungsi aktivasi adalah
net masukan kombinasi linier masukan dan bobotnya. Jika net= ∑x
i
w
i
, maka fungsi aktivasinya adalah fnet=f ∑x
i
w
i
a. Fungsi treshold batas ambang . Beberapa
fungsi aktivasi yang sering dipakai adalah sebagai berikut:
fx =
a x
jika a
x jika
≥ ≤
1
b. Fungsi Sigmoid fx =
x
e
−
+ 1
1 Fungsi sigmoid sering dipakai karena nilai fungsinya yang terletak
antara 0 dan 1 dan dapat diturunkan dengan mudah. f’x = fx 1-fx
c. Fungsi Identitas fx = x.
Fungsi identitas sering dipakai apabila menginginkan keluaran jaringan berupa sembarang bilangan riil bukan hanya pada range
[0,1] atau [-1,1].
Universitas Sumatera Utara
2.3. Pemrosesan Informasi dalam JST
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 JST diasumsikan sebagai vektor X
yang bersesuaian dengan sinyal-sinyal yang masuk ke dalam sinapsis neuron biologis.
2. Output keluaran, output dari jaringan adalah penyelesaian masalah. Tujuan akhir pembelajaran terhadap variabel masukan X adalah
menghasilkan nilai keluaran Y output sedekat mungkin dengan nilai keluaran d yang ditargetkan beda nilai antara keluaran terhadap
masukan disebut nilai kesalahan atau error value 3. Weight bobot, mengekspresikan kekuatan relatif atau nilai
matematis dari input data awal atau bermacam-macam hubungan yang mentransfer data dari layer ke layer.
4. Fungsi Penjumlahan, menggandakan setiap nilai input x
i
dengan bobot w
i
dan menjumlahkannya bersama-sama untuk memperoleh suatu output Y. Fungsi penjumlahan ini bersesuaian dengan badan sel
biologis soma. Untuk n input terhadap satu elemen pemroses node terlihat pada gambar 2.1:
Gambar 2.1. JST dengan n input dan satu elemen pemrosesFausett, 1994 2.1
2.2 2.3
Universitas Sumatera Utara
Untuk n input terhadap beberapa j elemen pemroses terlihat pada gambar 2.2:
Gambar 2.2. JST dengan n input dan j elemen pemroses Fausett, 1994
2.4. Arsitektur Jaringan
