2. Self-organization. Sebuah jaringan saraf tiruan dapat membuat organisasi sendiri
atau representasi dari informasi yang diterimanya selama waktu belajar. 3.
Real time operation. Perhitungan jaringan saraf tiruan dapat dilakukan secara paralel sehingga perangkat keras yang dirancang dan diproduksi secara khusus dapat
mengambil keuntungan dari kemampuan ini.
Selain mempunyai kelebihan – kelebihan tersebut, jaringan saraf tiruan juga
mempunyai kelemahan – kelemahan berikut.
1. Tidak efektif jika digunakan untuk melakukan operasi – operasi numerik dengan
presisi tinggi. 2.
Tidak efisien jika digunakan untuk melakukan operasi algoritma aritmatik, operasi logika dan simbolis.
3. Untuk beroperasi, jaringan saraf tiruan butuh pelatihan sehingga bila jumlah datanya
besar, waktu yang digunakan untuk proses pelatihan sangat lama Sutojo et al. 2011.
2.1.1 Model Matematika
Terdapat tiga komponen dasar penting ketika kita membuat sebuah model fungsional dari neuron biologis. Pertama, sinapsis neuron dimodelkan sebagai bobot. Kekuatan
hubungan antara masukan dan neuron ditentukan oleh nilai bobot. Nilai bobot negatif mencerminkan koneksi hambat, sedangkan nilai
– nilai positif menandakan koneksi rangsang sel. Komponen kedua adalah penjumlahan semua masukan yang dimodifikasi
oleh masing – masing bobot. Kegiatan ini disebut sebagai kombinasi linear. Komponen
ketiga bertindak sebagai fungsi kontrol aktivasi amplitudo keluaran dari neuron.
Jaringan saraf tiruan merupakan generalisasi model matematis dengan beberapa asumsi berikut.
1. Pemrosesan informasi terjadi pada neuron.
2. Sinyal dikirimkan di antara neuron – neuron melalui penghubung dendrit dan
akson. 3.
Penghubung antarelemen memiliki bobot yang akan menambah atau mengurangi sinyal.
Universitas Sumatera Utara
4. Untuk menentukan output, setiap neuron memiliki fungsi aktivasi yang dikenakan
pada jumlah semua input-nya. Besar output akan dibandingkan dengan nilai threshold tertentu.
Berdasarkan moedel matematis tersebut, baik tidaknya suatu model jaringan saraf tiruan ditentukan oleh hal
– hal berikut. 1.
Arsitektur jaringan, yaitu sebuah arsitektur yang menentukan pola antar neuron. 2.
Metode pembelajaran, yaitu metode yang digunakan untuk menentukan dan mengubah bobot.
3. Fungsi aktivasi Sutojo et al. 2011.
Secara matematis proses ini dijelaskan dalam Gambar 2.1 .
Gambar 2.1 Model matematis dari jaringan saraf tiruan Siang, 2005
Y menerima masukan dari neuron , dan dengan bobot hubungan masing –
masing adalah , dan . Ketiga impuls neuron yang ada dijumlahkan
net = +
+ ........................................................................................ 2.1
Keterangan notasi diatas sebagai berikut. net : hasil penjumlahan ketiga impuls neuron dikalikan dengan bobot.
, , : neuron masukan
, , : bobot masing
– masing neuron
2.1.2 Arsitektur Jaringan
