BAB 1
PENDAHULUAN
1.1 Latar Belakang
Jaringan saraf adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia
tersebut. Istilah buatan disini digunakan karena jaringan syaraf tiruan ini di implementasikan dengan menggunakan program komputer yang mampu
menyelesaikan sejumlah proses perhitungan selama proses pembelajaran [3]. Gigi merupakan organ terpenting makhluk hidup terutama manusia. Fungsi
utama gigi adalah untuk merobek dan mengunyah makanan. Gigi memiliki struktur pelindung yang disebut email gigi, yang membantu mencegah lubang di gigi.
Kesehatan gigi merupakan suatu hal yang penting bagi kesahatan tubuh manusia karena gigi membantu proses pengunyahan makanan yang apabila gigi tidak sehat
akan membuat nafsu makan tidak baik Di dalam jaringan syaraf tiruan terdapat banyak metode pembelajaran yang
digunakan untuk menyelesaikan permasalahan dalam jaringan syaraf tiruan tersebut. Metode jaringan syaraf tiruan antara lain Backpropagation, Learning Vector
Quantization, Kohonen, Perceptron, dsb. Backpropagation adalah algoritma pembelajaran untuk memperkecil tingkat
error dengan cara menyesuaikan bobotnya berdasarkan perbedaan output dan target yang diinginkan. Backpropagation juga merupakan sebuah metode sistematik untuk
pelatihan multilayer JST. Metode backpropagation menggunakan nilai kemelesetan atau error output untuk menggubah nilai bobot arah mundur. Untuk dapatkan nilai
output error, tahapan perambatan maju harus dikerjakan terlebih dahulu dengan mengaktifkan neuron dan fungsi aktivitas sigmoid. metode Hopfield adalah metode
jaringan saraf tiruan yang menggunakan teknik klasifikasi, fungsi energi lyapunov
Universitas Sumatera Utara
bobot simetris berdiagonal utama nol 0 untuk mendapatkan output agar mendekati atau sama dengan inputannya.
1.2 Rumusan Masalah
Adapun masalah yang akan dibahas dalam penelitian ini adalah : 1. Bagaimana dapat mendeteksi penyakit pada gigi.
2. Bagaimana merancang aplikasi untuk pengenalan pola dengan menggunakan metode Backpropagation dan metode Hopfield
1.3 Batasan Masalah