2.4 Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistem sel syaraf biologi, sama seperti otak yang memproses
suatu informasi Abdullah, 2010. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistem pemrosesan informasi. Jaringan Syaraf
Tiruan, seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau
klasifikasi karena proses pembelajaran. Menurut Siang 2013, JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan
asumsi bahwa: 1.
Pemrosesan informasi terjadi pada banyak elemen sederhana neuron 2.
Sinyal dikirimkan diantara neuron-neuron melalui penghubung-penghubung 3.
Penghubung antar neuron memiliki bobot yang akan pemperkuat atau memperlemah sinyal
4. 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.
2.4.1 Arsitektur Jaringan Syaraf Tiruan
Seperti halnya pada jaringan syaraf biologis, jaringan syaraf tiruan juga tersusun dari unit-unit neuron. Sinyal input dari suatu neuron dikirim ke neuron
lain melalui penghubung yang memiliki bobot. Pembobotan pada penghubung ini
digunakan untuk memodifikasi sinyal memperkuat atau memperlemah. Selanjutnya untuk menentukan nilai output digunakan fungsi aktivasi. Gambar 2.8
menunjukkan skema model jaringan syaraf tiruan sederhana.
Gambar 2.8 Model jaringan syaraf tiruan sederhana Nilai input yang diberikan diteruskan ke lapisan neuron input X
1
, X
2
, dan X
3
. Ketiga input tersebut diberikan pembobotan masing masing W
1
, W
2
, dan W
3
. Selanjutnya, ketiga neuron lapisan input yang terboboti itu dijumlahkan dengan
persamaan: net=X
1
.W
1
+X
2
.W
2
+X
3
.W
3
……………………………..2.5 Besarnya nilai yang diterima neuron Y bergantung fungsi aktivasi Y=
fnet. Jika nilainya cukup kuat maka akan diteruskan. Nilai fungsi aktivasi keluaran model jaringan juga dapat diperiksa sebagai dasar untuk merubah
bobot. Terkadang dalam suatu layar diberi unit neuron tambahan yang nilainya selalu satu. Masukan ini disebut bias. Menurut Siang 2009, beberapa arsitektur
jaringan yang sering dipakai dalam mendesain jaringan syaraf tiruan antara lain:
1. Jaringan Layar Tunggal single layer network
Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan sekumpulan outputnya. Dalam beberapa model misal
perceptron, hanya ada sebuah unit neuron output. 2.
Jaringan Layar Jamak multi layer network Jaringan layar jamak merupakan perluasan dari layar tunggal. Dalam
jaringan ini, selain unit input dan output, ada unit-unit lain sering disebut layar tersembunyi hidden layer. Dimungkinkan pula ada beberapa layar
tersembunyi. Sama seperti pada unit input dan output, unit-unit dalam satu layar tidak saling berhubungan.
3. Jaringan Recurrent
Model jaringan reccurent mirip dengan jaringan layar tunggal ataupun ganda. Hanya saja, ada neuron output yang memberikan sinyal pada
unit input sering disebut feedback loop.
2.4.2 Fungsi Aktivasi Jaringan Syaraf Tiruan
Kategori