Arsitektur Jaringan Syaraf Tiruan

21 Jaringan syaraf dengan jumlah neuron pada lapisan keluaran sebanyak m buah, maka proses pengolahan data pada neuron ke- j adalah : _ = x i w ij =1 + b j ; j=1, …, m 2.4 W ij adalah bobot yang menghubungkan masukkan ke- i menuju ke neuron ke- j , dan b j adalah bobot bias yang menuju ke neuron ke- j. X1 Xn X2 Σ F W1 W2 Wn b 1 y_in y Gambar 2. 4 Model Neuron Sederhana Dengan Bias Kusumadewi, 2010

2.2.2.3 Arsitektur Jaringan Syaraf Tiruan

Hubungan antar neuron pada jaringan syaraf tiruan mengikuti pola tertentu, tergantung pada arsitektur jaringan syarafnya. Pada dasarnya terdapat tiga macam arsitektur yaitu Kusumadewi, 2010 : 1. Jaringan Syaraf dengan Lapisan Tunggal Jaringan tipe ini hanya memiliki satu lapisan dengan bobot-bobot terhubung, menerima masukkan kemudian secara langsung mengolah menjadi keluaran tanpa harus melalui lapisan tersembunyi. Ciri-ciri arsitektur ini hanya terdiri atas satu lapisan masukkan dan satu lapisan keluaran tanpa adanya lapisan tersembunyi. Gambar 2.3 dan Gambar 2.4 merupakan salah satu contoh model neuron dengan satu lapisan masukkan. 22 2. Jaringan Syaraf dengan Banyak Lapisan Arsitektur tipe ini memiliki satu atau lebih lapisan yang terletak di antara lapisan masukkan dan lapisan keluaran, memiliki juga satu atau lebih lapisan tersembunyi. Umumnya, ada lapisan bobot-bobot yang terletak antara dua lapisan yang bersebelahan. Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit daripada lapisan dengan lapisan tunggal, tentu saja dengan pembelajaran yang lebih rumit juga. Gambar 2.5 merupakan salah satu contoh model neuron dengan banyak lapisan dan hanya memiliki satu lapisan tersembunyi . V ij adalah bobot-bobot yang menghubungkan antara neuron-neuron pada lapisan masukkan dengan lapisan tersembunyi. Sedangkan W jk adalah bobot- bobot yang menghubungkan antara neuron-neuron pada lapisan tersembunyi dengan lapisan keluaran. z_in j adalah hasil pengolahan data pada lapisan tersembunyi dengan fungsi aktivasi F1 untuk menghasilkan z j j=1, …,k; _ = x i w ij =1 2.5 = 1 _ 2.6 Sedangkan y_in k adalah hasil pengolahan data pada lapisan keluaran dengan fungsi aktivasi F2 untuk menghasilkan keluaran jaringan. ; = 1, … , 2.7 _ = z i w jk =1 2.8 = F2 _ 2.9 23 Gambar 2. 5 Model Neuron dengan Banyak Lapisan Kusumadewi, 2010 3. Jaringan Syaraf dengan Lapisan Kompetitif Arsitektur tipe ini tampak pada Gambar 2.6 dimana memiliki pengaturan bobot yang telah ditetapkan dan tidak memiliki proses pelatihan. Digunakan untuk mengetahui neuron pemenang dari sejumlah neuron yang ada. Nilai bobot untuk diri sendiri dari setiap neuron adalah 1, dan neuron lain adalah bobot acak negatif dengan bobot - η. A1 - η Aj Al Am - η - η - η - η - η 1 1 1 1 Gambar 2. 6 Model Neuron dengan Lapisan Kompetitif Kusumadewi, 2010 X1 Xn X2 V11 N1 Nk Vnk F1 F1 Z_in1 Z_ink N1 NL F2 F2 WkL W11 Y_in1 Y_inL Z1 Z2 24 o x 1 y

2.2.2.4 Fungsi Aktivasi