2.4.3 Definisi Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan JST didefinisikan sebagai suatu sistem pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan syaraf
manusia Hermawan, 2006. Beberapa istilah dalam jaringan syaraf tiruan yang
sering ditemui adalah sebagai berikut.
a. Neuron atau Node atau Unit: sel syaraf tiruan yang merupakan elemen pengolahan
jaringan syaraf tiruan. Setiap neuron menerima data input, memproses input tersebut kemudian mengirimkan hasilnya berupa sebuah output.
b. Jaringan: kumpulan neuron yang saling terhubung dan membentuk lapisan.
c. Lapisan tersembunyi hidden layer: lapisan yang tidak secara langsung
berinteraksi dengan dunia luar. Lapisan ini memperluas kemampuan jaringan syaraf tiruan dalam menghadapi maslah-masalah yang kompleks.
d. Input: sebuah nilai input yang akan diproses menjadi nilai output.
e. Output: solusi dari nilai input.
f. Bobot: nilai matematis dari sebuah koneksi antar neuron.
g. Fungsi aktivasi: fungsi yang digunakan untuk mengupdate nilai-nilai bobot per-
iterasi dari semua nilai input. h.
Fungsi aktivasi sederhana adalah mengalikan input dengan bobotnya dan kemudian menjumlahkannya disebut penjumlahan sigma berbentuk linier atau
tidak linier, dan sigmoid. i.
Paradigma pembelajaran: bentuk pembelajaran, supervised learning, atau unsupervised learning.
Menurut Siang 2005:2, Jaringan Syaraf Tiruan JST adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf
biologi. JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa:
a. pemrosesan informasi terjadi pada banyak elemen sederhana neuron;
b. sinyal dikirimkan diantara neuron melalui penghubung-penghubung;
c. penghubung antar neuron memiliki bobot yang akan memperkuat atau
memperlemah sinyal; d.
untuk menentukan output, setiap neuron menggunakan fungsi aktivasi biasanya bukan fungsi linier yang dikenakan pada jumlahan input yang diterima. Besarnya
output ini selanjutnya dibandingkan dengan suatu batas ambang. Jaringan syaraf tiruan ditentukan oleh 3 hal:
a. pola hubungan antar neuron disebut arsitektur jaringan;
b. metode
untuk menentukan
bobot penghubung
disebut metode
traininglearningalgoritma; c.
fungsi aktivasi fungsi transfer. Neuron dalam jaringan syaraf tiruan sering diganti dengan istilah simpul.
Setiap simpul tersebut berfungsi untuk menerima atau mengirim sinyal ke simpul- simpul lainnya. Pengiriman sinyal disampaikan melalui penghubung. Kekuatan
hubungan yang terjadi antara setiap simpul yang saling terhubung dikenal dengan nama bobot.
Arsitektur jaringan dan algoritma pelatihan sangat menentukan model- model jaringan syaraf tiruan. Arsitektur tersebut gunanya untuk menjelaskan arah
perjalanan sinyal atau data di dalam jaringan. Sedangkan algoritma belajar menjelaskan bagaimana bobot koneksi harus diubah agar pasangan masukan-
keluaran yang diinginkan dapat tercapai. Dalam setiap perubahan harga bobot koneksi dapat dilakukan dengan berbagai cara, tergantung pada jenis algoritma
pelatihan yang digunakan. Dengan mengatur besarnya nilai bobot ini diharapkan bahwa kinerja jaringan dalam mempelajari berbagai macam pola yang dinyatakan
oleh setiap pasangan masukan-keluaran akan meningkat. Sebagai contoh, perhatikan neuron pada Gambar 2.6.
Gambar 2.6. Sebuah Sel Syaraf Tiruan
menerima input dari neuron
1
,
2
, dan
3
dengan bobot hubungan masing-masing adalah
1
,
2
, dan
3
. Ketiga impuls neuron yang ada dijumlahkan
=
1 1
+
2 2
+
3 3
. Besarnya impuls yang diterima oleh
mengikuti fungsi aktivasi = . Apabila nilai fungsi akivasi cukup
kuat, maka sinyal akan diteruskan. Nilai fungsi aktivasi keluaran model jaringan juga dapat dipakai sebagai dasar untuk merubah bobot.
2.4.4 Arsitektur Jaringan