mendapat pengaruh besar dari daya tahan tubuh yang lemah atau menurun dan jumlah kuman yang memegang peranan penting dalam terjadinya infeksi TBC.
2.2 Jaringan Syaraf Tiruan JST
2.2.1 Sejarah Jaringan Syaraf Tiruan
Jaringan syaraf tiruan sederhana pertama kali diperkenalkan oleh McCulloch dan Pitts di tahun 1943. McCulloch dan Pitts menyimpulkan bahwa
kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya. Bobot dalam jaringan yang diusulkan
oleh McCulloch dan Pitts diatur untuk melakukan fungsi logika sederhana. Fungsi aktivasi yang dipakai adalah fungsi threshold. Tahun 1949, Hebb mencoba
mengkaji proses belajar yang dilakukan oleh neuron. Teori ini dikenal sebagai Hebbian Law. Tahun 1958, Rosenblatt memperkenalkan dan mulai
mengembangkan model jaringan yang disebut perceptron. Metode pelatihan
diperkenalkan untuk mengoptimalkan hasil iterasinya.
Pada tahun 1960, Widrow dan Hoff mengembangkan perceptron dengan memperkenalkan aturan pelatihan jaringan yang dikenal sebagai aturan delta atau
sering disebut kuadrat rata-rata terkecil. Aturan ini akan mengubah bobot perceptron apabila keluaran yang dihasilkan tidak sesuai dengan target yang
diinginkan. Tahun 1969, Minsky dan Papert melontarkan suatu kritikan tentang kelemahan perceptronnya Rosenblatt di dalam memilah-milah pola yang tidak
linier. Sejak saat itu, penelitian di bidang JST telah mengalami masa vakum untuk kurang lebih satu dasawarsa.
Tahun 1982, Hopfield telah memperluas aplikasi JST untuk memecahkan masalah-masalah optimasi. Hopfield telah berhasil memperhitungkan fungsi
energi ke dalam jaringan syaraf, yaitu agar jaringan memiliki kemampuan mengingat atau memperhitungkan suatu obyek dengan obyek yang pernah dikenal
atau diingat sebelumnya associative memory. Konfigurasi jaringan yang demikian dikenal sebagai recurrent network. Salah satu aplikasinya adalah
Travelling Salesman Problem TSP Puspitaningrum, 2006. Pada tahun 1986, Rumelhart menciptakan suatu algoritma belajar yang
dikenal sebagai propagasi balik backpropagation. Bila algoritma ini diterapkan pada perceptron yang memiliki lapisan banyak multi layer perceptron, maka
dapat dibuktikan bahwa pemilahan pola-pola yang tidak linier dapat diselesaikan. Perkembangan JST yang ramai dibicarakan sejak tahun 1990-an adalah aplikasi
model-model jaringan syaraf tiruan untuk menyelesaikan berbagai masalah di dunia nyata Siang, 2009.
2.2.2 Definisi Jaringan Syaraf Tiruan
