axon output badan sel yang lain. Output yang dibawa oleh axon dihantarkan
dengan bobot tertentu oleh synapse, dimana dalam ANN bobot ini menentukan kualitas jaringan yang dibangun Hebb, 1990.
Gambar 4. menunjukan perbandingan antara biological neural network jaringan syaraf biologis dan artificial
neural network jaringan syaraf tiruan.
Gambar 4. Biological Neural Network vs Artificial Neural Network Medsker dan Liebowitz, 1994
2.5.2 2.5.3 Dasar-dasar Komputasi Jaringan Syaraf Tiruan
Dasar-dasar komputasi jaringan syaraf tiruan menurut Fauset dan Laurene 1994 mulai dari jaringan, input, hidden layer, output, bobot, fungsi penjumlahan
sampai dengan fungsi aktivasi dijelaskan sebagai berikut:
1. Jaringan
Sebuah JST terdiri dari kumpulan neuron-neuron yang terhubung, yang sering dikelompokkan dalam lapisan-lapisan layers. Pada umumnya tidak ada asumsi
yang spesifik mengenai arsitektur jaringan. Bermacam-macam topologi jaringan syaraf merupakan pokok persoalan dari penelitian dan pengembangan JST.
Dalam hal ini, struktur JST diperlihatkan pada Gambar 6.
Input 4 Input
Input 2 Input 3
- bobot + bobot
Summation and transfer
Out put
axon Nucleu
Cell
Axon Dendrit
Dua struktur dasar tersebut adalah sebagai berikut : a. Struktur dua lapisan : input dan output
b. Struktur tiga lapisan : input, intermediate disebut juga hidden dan output
Gambar 5. Struktur Jaringan Syaraf Tiruan Fauset dan Laurene, 1994
2. Input
Jaringan dapat dirancang untuk menerima sekumpulan nilai input yang berupa nilai biner atau kontinyu. Jadi apabila terdapat masalah yang bersifat kualitatif
dan berupa grafik, maka informasi tersebut harus diproses terlebih dahulu untuk menghasilkan suatu nilai numerik yang ekivalen sebelum dapat diinterpretasikan
oleh JST.
3. Output
Tujuan dari sebuah jaringan adalah untuk menghitung nilai output sebagai solusi dari masalah. Dalam tipe JST supervised, output awal dari jaringan biasanya
tidak tepat dan jaringan harus disesuaikan sampai didapatkan output yang benar.
4. Hidden layer
Dalam arsitektur banyak lapisan multi-layered, hidden layers tidak berinteraksi secara langsung dengan dunia luar tetapi menambah tingkat kompleksitas agar
JST dapat beroperasi dalam masalah yang lebih menarik. Hidden layer menambah sebuah representasi internal dari suatu masalah, yang dapat
menjadikan jaringan memiliki kemampuan untuk berurusan secara robust dengan masalah yang bersifat kompleks dan non linear.
5. Bobot weight
