PENGENALAN JARINGAN SYARAF TIRUAN

Yulian Sani y.sani@aol.com 2013

Introduction

 Rule : Komputer berpikir, seperti cara berpikir

manusia   Melakukan peniruan terhadap aktifitas pada jaringan syaraf biologis manusia

Introduction
 Aktifitas 


 

Manusia : Mengingat, Memahami, Menyimpan dan Memanggil Kembali Mengambil 'ide dari cara kerja jaringan syaraf biologis Tidak diprogram untuk menghasilkan keluaran tertentu. Seluruh Output ditarik oleh jaringan didasarkan pengalamannya selama proses pembelajarannya Proses pembelajaran, kedalam JST dimasukkan pola-pola input (dan ouput) lalu jaringan aan diajari untuk memberikan jawaban yang bisa diterima

Introduction

 Dendrit : Menerima Informasi  Badan Sel (soma) : Tempat Pengolahan informasi  Akson : Mengirimkan impuls-impuls ke sel saraf

lainnya.

Mengapa Belajar JST ?
 Metode dan Algoritma JST „beragam,kreatif dan

canggih‟  Komputer digital berkecepatan tinggi, yang mendukung simulasi JST  Implementasi Aplikasi sangat Luas

Bidang Penelitian JST
 Aerospace : Simulasi Jaur pesawat Terbang, Sistem Kendali Pesawat   


  


  

Terbang, Autopilot Pesawat Terbang Otomatif : Sistem Kendali Otomatis Mobil Keuangan : Pendeteksian Uang Palsu, Evaluator Aplikasi Kredit, Pengidentifikasian pola-pola data pasar saham Pertahanan (Militer) : Pengendali Senjata, Pendeteksi Bom, Pengendali sensor, Sonar, Radar, Pengolahan Sinyal Citra (Kompresi Data, Ekstraksi/penghilangan derau, pengenalan Sinyal, atau Citra) Elektronik : Machine Vision, Pengontrol Gerakan dan Penglihatan, Sintesis Suara Broadcast : Pencarian Klip melalui Pengenalan Wajah Keamanan : Sistem Biometrika Medis : Analisa penyakit kanker Pengenalan Suara : Klasifikasi Suara, Klasifikasi Suara Pengenalan Tulisan : Pengenalan Tulisan Tangan Matematika : Alat pemodelan masalah dalam bentuk ekplisit Pengenalan Objek Bergerak : Mendeteksi Citra Bergerak dari Video

Definisi JST
JST (Alexander dan Morton) adalah : “ Prosesor tersebar paralel yang sangat besar yang memiliki kecenderungan untuk menyimpan pengetahuan yang bersifat pengalaman dan membuatnya sia untuk digunakan” JST menyerupai otak manusia dalam dua hal, yaitu :  Pengetahuan yang diperoleh dari proses belajar  Kekuatan hubungan antar sel syaraf (Neuron) yang dikenal sebagai bobot-bobot sinaptik dugunakan untuk menyimpan pengetahuan

Konsep Dasar JST
 Arsitektur JST dilihat dari Kerangka & Skema

Interkoneksi
 Jumlah Lapisan (Layer)  Jumlah Node pada setiap Lapisan

 Lapisan penysun JST dibagi 3
 Lapisan input  Lapisan Tersembunyi  Lapisan Output

Lapisan Penyusun JST
 Lapisan Input
 Node didalam lapisan input disebut unit-unit input  Unit input menerima input dari dunia luar  Input yang dimasukkan merupakan penggambaran

dari masalah
 Lapisan Tersembunyi
 Node didalam lapisan tersembunyi disebut unit

tersembunyi
 Lapisan Output
 Node pada lapisan output disebut unit output  Keluaran (output) dari lapisan ini merupakan output

JST terhadap suatu permasalahan

Model Sel Syaraf (Neuron)
 Sel Syaraf (Neuron) :

unit pemrosesan informasi yang merupakan dasar dari operasi JST  3 Elemen dasar Model Neuron :
Sekumpulan sinapsis (Jalur hubungan) : memiliki bobot atau kekuatan hubungan 2. Suatu Adder : untuk menjumlahkan sinyal-sinyal input yang diberi bobot oleh sinapsis neuron yang sesuai 3. Fungsi Aktivasi : ntuk membatasi amplitudo output dari setiap neuron
1.

Model Sel Syaraf (Neuron)

Model Sel Syaraf (Neuron)

Model Sel Syaraf (Neuron)

Fungsi Aktivasi Neuron

Perbandingan kemampuan otak manusia dengan CPU

Pengelompokan JST (2)
 JST umpan maju (feed-forward network)
  Ciri : Graf yang tidak mempunyai loop

 JST berulang umpan balik (recurrent/feedback

networks)
  Ciri : memiliki loop koneksi balik

Arsitektur JST
 Jaringan Lapisan Tunggal (Single-Layer)
 Arsitektur Jaringan yang memiliki satu buat lapisan

bobot koneksi  Terdiri dari unit-unit input yang menerima sinyal dair dunia luar, dan unit-unit output dimana kita bisa membaca respons dari jaringan syaraf tiruan tersebut
 Jaringan Lapisan Multilapis (Multi-Layer)
 Jaringan dengan satu lapisan tersembunyi

 Jaringan Lapisan Kompetitif
 Neuron yang bersaing untuk

mendapatkan hak

menjadi aktif

Arsitektur JST

Jaringan Multilapis (multilayer net) Jaringan Lapis Tunggal (Single-layer net)

Jaringan Kompetitif (Competitive Layer net)

Daftar Pustaka
 Diyah Puspitaningrum,2006, Pengantar Jaringan

Syaraf Tiruan, ANDI, Yogyakarta,  Suyanto, 2007, Artificial Intelligence: Searching, Reasoning, Planning and Learning, Indonesian version, Informatika Publisher, Bandung, Indonesia, June 2007, ISBN: 979-1153-05-1.  Introduction to neural networks http://home.agh.edu.pl/~vlsi/AI/intro/ http://drw.politekniktelkom.ac.id/Bebas/Bachelor%2 0Degree/Materi%20Kuliah%20AI/

Sign up to vote on this title
UsefulNot useful