menjumlahkan sinyal-sinyal yang masuk. Apabila jumlah sinyal tersebut melebihi batas ambang threshold, maka sinyal tersebut akan diteruskan ke sel lain melalui
akson. Jaringan saraf manusia memiliki daya komputasi yang menakjubkan
dimana manusia dapat mengenali sinyal input yang agak berbeda dari yang diterima sebelumnya, yang digambarkan sebagai pola aktivitas perjalanan impuls
pada jaringan sel saraf, yang bekerja secara simultan Siang, 2005. JST dikembangkan untuk meniru sistem pemroses informasi yang
memiliki karakteristik mirip dengan jaringan saraf manusia. JST mampu mengenali kegiatan dengan berbasis pada data. Masukan data akan dipelajari oleh
JST sehingga mempunyai kemampuan untuk memberi keputusan terhadap data yang belum pernah dipelajari.
Definisi JST menurut Muhiddin 2007 antara lain sebagai berikut : 1.
JST adalah jaringan kerja komputasi yang mencoba meniru kerja saraf biologi
2. Struktur JST menyerupai struktur jaringan saraf biologi
3. Pemrosesan informasi pada setiap impuls saraf dilakukan secara paralel
4. Setiap simpul saraf pada dasarnya adalah model matematik yang dapat
digunakan untuk memproses setiap informasi yang masuk.
2.1.1 Sel Saraf Tiruan Artificial Neural
Sel saraf tiruan menerima sinyal keluaran dari sel saraf tiruan lain, dimana output dari sel saraf itu sendiri ditentukan oleh 3 tiga hal yaitu pola hubungan
antar neuron, metode untuk menentukan bobot penghubung dan fungsi aktivasi Siang, 2005. Input dari sejumlah neuron x
1
,x
2
,…x
n
melalui penghubung dengan bobot hubungan w
1
,w
2
,…w
n
akan diterima oleh neuron Y sebagai fungsi penjumlahan. Selanjutnya impuls yang diterima Y akan ditentukan oleh fungsi
aktivasi. Apabila nilai fungsi aktivasi keluaran model jaringan lebih kuat maka sinyal akan diteruskan. Nilai tersebut juga dipakai sebagai dasar untuk merubah
bobot dalam meningkatkan kualitas koneksi antar satu neuron dengan neuron lainnya.
Sel saraf tiruan baik berupa sel tunggal atau jamak terdiri dari parameter masukan x, bobot w, bias b, masukan murni netn dan fungsi transfer F,
serta keluaran yang berupa skalar O. Bias adalah sebuah parameter saraf yang ditambahkan ke masukan yang sudah terbobot dan melewati fungsi aktivasi untuk
mengaktifkan keluaran sel. Masukan murni untuk fungsi transfer F diperoleh dari penjumlahan berbobot n = x w + b.
� = ∗ + 1
2.1.2 Koneksitas Sel Saraf Tiruan Topology
Pola komunikasi antar sel saraf tiruan terjadi dari sebuah sel saraf tiruan ke sebuah sel saraf tiruan penerima sinyal. Koneksitas yang terjadi antara sel-sel
saraf tiruan tersebut akan menentukan tipe pemrosesan yang terjadi dalam suatu JST. Bentuk koneksi yang terjadi antar sel saraf tiruan dapat bersifat inhibitory
connections bersifat menghambat pengiriman sinyal, dan exhibitory connections bersifat mengirimkan sinyal ke sel saraf tiruan pada lapisan berikutnya.
2.1.3 Arsitektur JST Backpropagation
Model JST Backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan
selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa dengan pola yang dipakai dalam pelatihan.
JST Backpropagation memiliki beberapa unit yang ada dalam satu atau lebih layar tersembunyi. Sebagai ilustrasi pada Gambar 3 di bawah ini terdapat
arsitektur JSTB JST Backpropagation yang terdiri dari n buah masukan ditambah sebuah bias, sebuah layar tersembunyi yang terdiri dari p unit
ditambah sebuah bias, serta m buah unit keluaran. Pada layar masukan terdapat sejumlah sel saraf yang berfungsi menerima
informasi dari luar dalam bentuk file atau data hasil pengolahan dari program lainnya. Pada layar tersembunyi terdapat sejumlah sel saraf yang berfungsi
mengolah informasi yang diterima dari layar masukan yang telah terlebih dahulu diberi bobot tertentu, sedangkan layar keluaran merupakan hasil yang diharapkan
dari hasil pengolahan dari layar sebelumnya layar tersembunyi.
Gambar 3. Arsitektur JST Backpropagation
2.1.4 Fungsi Aktivasi JST Backpropagation