yang diterima yang memenuhi batasan tertentu threshold akan mengaktivasi activation neuron dan mengirimkan respon melalui axon. Seperti halnya
jaringan syaraf biologis, jaringan syaraf tiruan juga terdiri dari beberapa
neuron yang disebut dengan node dan terdapat hubungan antara node-node
tersebut. Node-node tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju ke neuron-neuron lain. Pada
jaringan syaraf tiruan, hubungan ini dikenal dengan nama bobot. Dengan kata
lain, bobot memiliki fungsi yang sama seperti dendrit atau akson pada jaringan syaraf biologis. Informasi yang merupakan input akan diproses oleh suatu
fungsi perambatan yang akan menjumlahkan nilai-nilai semua bobot dan akan
dibandingkan dengan suatu nilai ambang threshold tertentu melalui fungsi aktivasi
setiap node. Apabila input tersebut melewati threshold maka node tersebut akan diaktifkan dan akan mengirimkan output ke semua node yang
berhubungan dengannya. Pada jaringan syaraf tiruan, node-node tersebut akan dikumpulkan dalam
lapisan-lapisan layer yang disebut dengan lapisan node node layers. Informasi yang diberikan pada jaringan syaraf tiruan akan dirambatkan lapisan
ke lapisan, mulai dari lapisan input sampai ke lapisan output melalui lapisan yang lainnya yang dikenal dengan nama lapisan tersembunyi hidden layer.
Proses perambatan dapat berupa perambatan secara mundur atau maju dan proses ini tergantung pada algoritma pembelajaran yang digunakan pada
jaringan. Sebagaimana telah disebutkan bahwa node-node dikelompokkan dalam
lapisan-lapisan sehingga terdapat berbagai tipe-tipe arsitektur jaringan yang dapat dibangun untuk menyelesaikan permasalahan sesuai dengan banyaknya
lapisan tersebut. Ada beberapa tipe arsitektur jaringan syaraf tiruan, antara lain:
a. Jaringan dengan lapisan tunggal single layer net
Jaringan ini hanya terdiri dari satu lapis node input dan satu lapis node output yang dihubungkan oleh pembobot tanpa ada lapis tersembunyi
hidden layer di antaranya. Informasi yang masuk node input langsung diolah sehingga diperoleh suatu nilai output.
b. Jaringan dengan banyak lapisan multilayer net
Jaringan ini terdiri satu lapis node input dan satu lapis node output diantara keduanya terdapat satu atau lebih lapisan tersembunyi. Lapisan-lapisan ini
dihubungkan oleh pembobot. Penggunaan jaringan dengan banyak lapisan ini lebih baik daripada dengan lapisan tunggal khususnya untuk
menyelesaikan permasalahan yang lebih kompleks. Hal ini tentu memerlukan proses pembelajaran yang lebih rumit.
Sebagaimana kita ketahui, jaringan syaraf biologis otak mampu mempelajari suatu informasi yang diterima untuk kemudian diproses dan
memberikan respon terhadap informasi tersebut. Hal ini dapat pula dilakukan oleh jaringan syaraf tiruan. Komponen-komponen jaringan syaraf tiruan yang
memiliki fungsi sama dengan jaringan syaraf biologis otak membuat jaringan syaraf tiruan mampu pula untuk melakukan proses pembelajaran.
Jaringan syaraf tiruanakan mencoba untuk mensimulasikan kemampuan otak dalam belajar melalui suatu proses pembelajaran.
Secara umum,
metode pembelajaran
yang digunakan
dapat diklasifikasikan kedalam dua kelompok, yaitu pembelajaran terawasi
supervised training dan pembelajaran tak terawasi unsupervised training. Perbedaan keduanya terletak pada ada tidaknya nilai output yang diberikan
pada jaringan. Pada metode pembelajaran terawasi output yang diharapkan telah diketahui sebelumnya dan diberikan pada jaringan selama pembelajaran
sementara pada pembelajaran tak terawasi output tidak diberikan. Pada proses pembelajaran dengan metode terawasi, nilai atau informasi
yang masuk lapisan input akan dirambatkan melalui jaringan sampai lapisan output. Nilai output yang diperoleh kemudian dibandingkan dengan nilai
output target yang diharapkan. Jika terdapat perbedaan antara nilai output yang diperoleh dengan nilai output yang diharapkan maka akan muncul error.
Jika error yang dihasilkan cukup besar maka perlu dilakukan proses pembelajaran kembali hingga diperoleh suatu nilai output dengan nilai error
tertentu yang diinginkan. Sementara pada pembelajaran tak terawasi, output target tidak diberikan
pada saat pembelajaran. Oleh karena itu pada metode ini tidak dapat dilakukan
evaluasi terhadap output yang dihasilkan oleh jaringan tersebut. Pada prinsipnya
selama proses
pembelajaran, jaringan
akan berusaha
mengelompokkan unit-unit yang memiliki pola yang sama atau hampir sama sehingga metode pembelajaran ini cocok untuk penyelesaian masalah
pengelompokan atau pengklasifikasian. Beberapa metode pembelajaran yang saat ini dikenal antara lain hebb
rule, perceptron, delta rule dan backpropagation. Di antara berbagai metode pembelajaran tersebut, backpropagation merupakan metode pembelajaran
yang paling umum digunakan. Proses pembelajaran ini termasuk dalam metode pembelajaran terawasi.
Proses pembelajaran dengan backpropagation terdiri dari dua tahap yaitu tahap perambatan ke depan forward propagation dan tahap
perambatan ke belakang backward propagation. Pada tahap perambatan ke depan nilai atau informasi yang masuk lapisan input akan dirambatkan melalui
jaringan sampai lapisan output. Nilai output yang dihasilkan dibandingkan degan nilai output yang diharapkan sehingga diperoleh nilai error. Nilai error
ini kemudian digunakan untuk memperbaiki pembobot-pembobot yang ada pada tahap perambatan ke belakang. Proses ini akan terus berulang sampai
suatu kondisi tertentu yang menjadi kondisi pemberhentian proses pembelajaran. Kondisi ini dapat berupa suatu nilai error atau jumlah iterasi
tertentu yang jika telah tercapai berarti proses pembelajaran telah selesai. Aplikasi JST pada bidang pertanian telah dilakukan. Diantaranya adalah
penelitian yang dilakukan oleh Widodo 2007 yang melakukan pendugaan pertumbuhan plantet anggrek selama pengkulturan dan Arif 2008 yang
mengaplikasikan JST untuk pendugaan mutu buah tomat yakni terhadap parameter total padatan terlarut dan berat buah tomat pada sistem tanaman
hidroponik.
III. METODOLOGI