11 lainnya. Fungsi aktivasi diharapkan menghasilkan nilai yang dapat mendekati
nilai-nilai maksimum dan minimum target.
Dari model sebuah neuron dapat dituliskan persamaan:
y = f w x
i
– keterangan:
x
i
= sinyal masukan ke-i w
i
= bobot hubungan ke-i = bias
f. = fungsi aktivasi atau elemen pemroses y
= sinyal keluaran
Dalam proses pembelajarannya keluaran dari JST ditentukan oleh pola hubungan antar neuron atau arsitektur JST, metode untuk menentukan bobot
penghubung berupa metode pembelajaran serta algoritma dan fungsi aktivasi dari JST itu sendiri. Suatu algoritma belajar dari JST tergantung dari arsitektur atau struktur
dari jaringan syaraf tersebut.
2.3.1 Komponen Jaringan Syaraf
Ada beberapa tipe jaringan syaraf, namun demikian, hampir semuanya memiliki komponen-komponen yang sama. Seperti halnya otak manusia, jaringan syaraf juga
terdiri-dari beberapa neuron, dan ada hubungan antara neuron-neuron tersebut. Neuron-neuron tersebut akan mentransformasikan informasi yang diterima melalui
sambungan keluarnya menuju ke neuron-neuron yang lain. Pada jaringan syaraf, hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada suatu
nilai tertentu pada bobot tersebut. Gambar 2.3 menunjukkan struktur neuron pada jaringan syaraf.
Universitas Sumatera Utara
12
bobot Input
dari neuron
neuron yang
lain Output
ke neuron
neuron yang
lain
Gambar 2.3 Struktur neuron jaringan syaraf tiruan
Jika kita lihat, neuron buatan ini sebenarnya mirip dengan sel neuron biologis. Neuron-neuron buatan tersebut bekerja dengan cara yang sama pula dengan neuron-
neuron biologis. Informasi disebut dengan: input akan dikirim ke neuron dengan bobot kedatangan tertentu. Input ini akan diproses oleh suatu fungsi perambatan yang
akan menjumlahkan nilai-nilai semua bobot yang datang. Hasil penjumlahan ini kemudian akan dibandingkan dengan suatu nilai ambang threshold tertentu melalui
fungsi aktivasi setiap neuron. Apabila input tersebut melewati suatu nilai ambang tertentu, maka neuron tersebut akan diaktifkan, tapi kalau tidak, maka neuron tersebut
tidak akan diaktifkan. Apabila neuron tersebut diaktifkan, maka neuron tersebut akan mengirimkan output melalui bobot-bobot outputnya ke semua neuron yang
berhubungan dengannya [8].
2.3.2 Manfaat Jaringan Syaraf Tiruan
Jaringan syaraf tiruan mulai dilirik banyak kalangan karena mempunyai banyak kelebihan dibandingkan sistem konvensional. Jaringan syaraf tiruan mewakili pikiran
manusia untuk mendekatkan diri dengan komputer, maksudnya jaringan syaraf tiruan dirancang agar komputer dapat bekerja sepertilayaknya otak manusia. Berikut ini
beberapa keunggulan dari jaringan syaraf tiruan adalah : 1.
Adaptive learning: Suatu kemampuan untuk melakukan suatu kegiatan yang didasarkan atas data yang diberikan pada saat pembelajaran atau dari
pengalaman sebelumnya. bobot
∑
Fungsi aktivasi
Output
Universitas Sumatera Utara
13 2.
Self Organisation: Dapat membuat organisasi sendiri atau me-representasikan informasi yang didapat pada saat pembelajaran.
3. Real Time Operation: Dapat menghasilkan perhitungan pararel dan dengan
device hardware yang khusus yang dibuat akan memberikan keuntungan dengan adanya kemampuan tersebut.
4. Fault Tolerance melalui Redundant Information Coding: Kerusakan pada
bagian tertentu dari jaringan akan mengakibatkan penurunan kemampuan. Beberapa jaringan mempunyai kemampuan untuk menahan kerusakan besar
pada jaringan. 5.
Kelebihan jaringan syaraf tiruan terletak pada kemampuan belajar yang dimilikinya. Dengan kemampuan tersebut pengguna tidak perlu merumuskan
kaidah atau fungsinya. Jaringan syaraf tiruan akan belajar mencari sendiri kaidah atau fungsi tersebut. Dengan demikian jaringan syaraf tiruan mampu
digunakan untuk menyelesaikan masalah yang rumit atau masalah yang terdapat kaidah atau fungsi yang tidak diketahui.
6. Kemampuan jaringan syaraf tiruan dalam menyelesaikan masalah yang rumit
telah dibuktikan dalam berbagai macam penelitian.
2.4 Keunggulan Jaringan Syaraf Tiruan