9
saraf adalah sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari
pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan melalui
suatu proses belajar. 2. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan.
Maka secara umum jaringan saraf tiruan JST Artificial Neural Network ANN adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan
berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal
maupun internal yang mengalir melalui jaringan tersebut. Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk
memodelkan hubungan yang kompleks antara masukan dan keluaran untuk menemukan pola-pola pada data.
2.4 Arsitektur Jaringan Syaraf Tiruan
Pemodelan struktur pemrosesan informasi terdistribusi dilakukan dengan menentukan pola hubungan antar sel-sel saraf buatan. Pola hubungan yang umum
adalah hubungan antar layer lapisan. Setiap lapisan terdiri dari sekumpulan sel saraf buatan unit yang memiliki fungsi tertentu, misalnya fungsi masukan
masukan atau fungsi keluaran keluaran.
10
Sistem saraf buatan terdiri dari tiga lapisan unit, yaitu:
1. Unit masukan
Pada Gambar 2.1 unit masukan dinotasikan dengan i. Unit masukan ini menerima data dari jaringan saraf luar. Aktifasi unit-unit lapisan masukan
menunjukkan informasi dasar yang kemudian digunakan dalam jaringan saraf buatan.
2. Unit tersembunyi
Unit tersembunyi dinotasikan dengan h pada Gambar 2.1. Unit tersembunyi menerima dan mengirim sinyal ke jaringan saraf. Aktifasi setiap unit-
unit lapisan tersembunyi ditentukan oleh aktifasi dari unit-unit masukan dan bobot dari koneksi antara unit-unit masukan dan unit-unit lapisan tersembunyi.
3. Unit keluaran
Unit keluaran dinotasikan dengan o. Unit keluaran mengirim data ke jaringan saraf. Karakteristik dari unit-unit keluaran tergantung dari aktifasi unit-
unit lapisan tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit- unit keluaran. Keluaran ini biasanya berupa nilai diskrit yang merupakan hasil
klasifikasi dari data masukan.
Gambar 2.1 Jaringan Saraf Tiruan
X
1
X
2
X
3
X
4
i
1
Y
1
Y
2
i
2
i
3
i
4
o
2
o
1
h
1
h
2
h
3
