Motode Regresi Berganda Metode Penelusuran Banjir Muskingum
c Untuk menentukan keluaran, setiap neuron menggunakan fungsi
aktivasi biasanya bukan fungsi linier yang dikenakan pada jumlah input yang diterima. Besarnya output selanjutnya dibandingkan dengan suatu
ambang batas. Jaringan Syaraf Tiruan
ditentukan oleh tiga hal yang sangat penting seperti terlihat pada Gambar 11 yaitu:
Pola hubungan antar neuron. Metode untuk menentukan bobot penghubung disebut metode training
learning. Fungsi Aktivasi.
Sumber:
Gambar 11 Struktur neuron jaringan syaraf. Suatu jaringan syaraf dinyatakan sebagai pola hubungan antar simpul
yang disebut arsitektur jaringan syaraf, metode penentuan bobot penghubung yang dinamakan pelatihan atau algoritma pelatihan, dan fungsi aktivasinya yang
terdapat di dalam simpul. Sebuah jaringan syaraf terdiri atas sejumlah besar elemen pemroses
sederhana yang disebut neuron, unit sel, atau simpul node. Tiap simpul dihubungkan ke simpul lainnya oleh suatu rantai penghubung yang memiliki
bobot. Bobot ini menunjukkan informasi yang digunakan oleh jaringan untuk memecahkan suatu masalah. Jaringan syaraf dapat diterapkan pada masalah
yang bervariasi, seperti penyimpanan storing, pemanggilan kembali recalling data atau pola, klafisikasi pola dan pemetaan pola masukan ke pola keluaran,
pengelompokan pola serupa atau penemuan solusi untuk optimasi masalah. Sebuah simpul mengirimkan suatu aktivasi sebagai sinyal ke simpul-
simpul lainnya. Simpul hanya dapat mengirim satu sinyal pada satu waktu, walaupun sinyal tersebut disebarkan ke beberapa simpul lain. Gambar 12
menunjukkan penggambaran bentuk sederhana JST.
Fungsi keluar
Masukan dari
beberapa Neuron
Keluaran ke beberapa
Neuron Fungsi
aktivasi Fungsi
penjumlah Bobot
Bobot
Gambar 12 Jaringan Syaraf Tiruan sederhana. Jaringan Syaraf Tiruan pada Gambar 12 diatas terdiri atas tiga simpul
awal X
1
, X
2
, dan X
3
dengan nilai x
1
, x
2
, dan x
3
yang disebut unit masukan, satu simpul tengah Y dengan nilai y yang disebut unit tersembunyi hidden, dan dua
simpul akhir Z
1
dan Z
2
dengan nilai z
1
dan z
2
yang disebut unit keluaran. Masing- masing unit masukan X
1
, X
2
, dan X
3
yang terhubung ke unit tersembunyi Y memiliki bobot w
1
, w
2
, dan w
3
. Masukan jaringan y_net pada unit tersembunyi Y adalah jumlah terbobot dari nilai unit-unit masukan x
1
, x
2
, dan x
3
. Input jaringan y_net ditunjukkan pada persamaan 4 .
3 3
2 2
1 1
_ x
w x
w x
w net
y
4 Aktivasi y pada unit tersembunyi Y dihasilkan dari input jaringan y_net
dengan _
net y
f y
. Fungsi aktivasi y dapat berupa fungsi sigmoid
x f
seperti ditunjukkan pada persamaan 5 .
net y
e net
y f
y
_
1 1
_
5
Sinyal aktivasi y pada unit tersembunyi Y dikirimkan ke unit keluaran Z
1
dan Z
2
. Unit tersembunyi Y yang terhubung ke unit keluaran Z
1
dan Z
2
memiliki bobot-bobot v
1
dan v
2
. Masukan jaringan z_net
1
dan z_net
2
pada masing-masing unit keluaran Z
1
dan Z
2
adalah jumlah terbobot dari sinyal aktivasi y terhadap bobot-bobot v
1
dan v
2
yang ditunjukkan pada persamaan 6 dan 7 .
1 1
. _
v y
net z
6
2 2
. _
v y
net z
7