View
786
Download
0
Category
Preview:
Citation preview
JARINGAN SYARAF TIRUAN
Tenia Wahyuningrum, S.Kom., MT
pembahasan
Sejarah JSB Konse
p JST
Plus Minus
JST
1943, McCulloch dan Pitts
Pitts
McCulloh
Menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah sistem neuron akan meningkatkan kemampuan komputasinya
Bobot dalam jaringan diatur untuk melakukan fungsi logika sederhana
Fungsi aktivasi yang digunakan adalah fungsi threshold
Manusia bereaksi cepat terhadap perubahan
Mereka menggunakan sistem syarafnya untuk melakukan perilaku ini
Struktur syaraf manusia
Otak manusia dengan bagian kerja otak
JST mencoba meniru
JSB agar dapat menghasilkan respon dan perilaku yang sama
Struktur otak manusia
Kompleksitas otak
1012 neuron (sel-sel syaraf)
6.1018 sinapsis (penghubung)
Neuron bekerja berdasarkan impuls/sinyal yang diberikan padanya, dan diteruskan ke neuron lain
Mengontrol organ-organ
tubuh
Mengenali pola
Melakuka
n
perhitung
an
Kemampuan otak, merespon dengan kecepatan
tinggi
Contoh : pengenalan wajah seseorang yang sedikit berubah
Sel Syaraf (Neuron)
Komponen Penting Neuron
Dendrit
Soma (cell body)
Axon
Dendrit Menerima sinyal kimia
listrik dari neuron lain
Soma Menjumlahkan semua
sinyal yang masuk Jika hasil penjumlahan
sinyal cukup kuat atau melebihi threshold, sinyal akan diteruskan ke sel lain melalui axon
Axon Mengirimkan sinyal ke
neuron lain
Koneksi Antar Neuron
sinapsis
axon dendrit
Pengiriman sinyal / informasi terjadi pada sinapsisSinapsis memperkuat atau memperlemah sinyal yang hendak dikirimkan
“Sistem pemrosesan informasi dengan karakteristik menyerupai
jaringan syaraf biologi”
JST
Asumsi
Pemrosesan informasi
terjadi pada neuron
Sinyal dikirimkan
antar neuron melalui suatu penghubung
Penghubung antar neuron
memiliki bobot yang dapat
memperkuat atau
memperlemah sinyal
Untuk menentukan
keluaran, setiap neuron menggunakan fungsi aktivasi,
yang menentukan
sinyal diteruskan ke neuron lain atau tidak
Model Neuron
Neuron adalah unit pemroses informasi yang menjadi dasar jaringan syaraf tiruan
x1
x2
x3
Y
w1
w2
w3
Terdiri dari 3 elemen : Himpunan unit-unit yang dihubungkan dengan jalur
koneksi Unit penjumlah yang akan menjumlahkan sinyal
masukan yang sudah dikalikan dengan bobotnya Fungsi aktivasi yang akan menentukan apakah sinyal
dari input neuron akan diteruskan ke neuron lain atau tidak
Model Neuron
x1
x2
x3
Y
Y menerima input dari neuron x1, x2, x3 dengan bobot penghubung masing-masing w1, w2, w3
Ketiga impuls neuron dijumlahkan :net = x1w1+x2w2+x3w3
Besarnya impuls yang diterima Y mengikuti fungsi aktivasi y=f(net)
Apabila nilai fungsi aktivasi cukup kuat, sinyal akan diteruskan ke neuron lain
w1
w2
w3
y=f(net)=f(x1w1+x2w2+x3w3)
net=(x1w1+x2w2+x3w3)
Karakteristik JST
Ditentukan oleh :
• Arsitektur jaringan (pola hubungan antar neuron)– Jaringan layer tunggal, jaringan layer jamak
• Metode training/learning (metoda menentukan bobot penghubung)– Dengan supervisi (diawasi) atau tanpa supervisi
• Fungsi aktivasi– Hard limit, sigmoid
Aplikasi JST
• Pengenalan pola (pattern recognition)– Mengenal huruf, angka, suara, tanda tangan yang
sudah sedikit berubah– Menyerupai otak manusia yang masih mampu
mengenali orang yang sudah beberapa waktu tidak dijumpai (wajah/bentuk tubuh sedikit berubah)
• Pengolahan sinyal (signal processing)– Menekan noise dalam saluran telepon
• Peramalan (forecasting)– Meramal kejadian masa datang berdasarkan pola
kejadian yang ada di masa lampau– JST mampu mengingat dan membuat generalisasi
dari apa yang sudah ada sebelumnya
Perkembangan JST
Model JST formal pertama diperkenalkan oleh McCulloch dan Pitts (1943)
1949, Hebb mengusulkan jaringan Hebb 1958, Rosenblatt mengembangkan
perceptron untuk klasifikasi pola 1960, Widrow dan Hoff mengembangkan
ADALINE dengan aturan pembelajaran Least Mean Square (LMS)
1974, Werbos memperkenalkan algoritma backpropagation untuk perceptron banyak lapisan
Kelebihan dan Kelemahan JST Kelebihan :
Banyak aplikasi menjanjikan yang dapat dilakukan oleh jaringan syaraf tiruan, terutama masalah rumit yang sangat tidak linier
Kelemahan : Ketidakakuratan hasil yang diperoleh Bekerja berdasarkan pola yang terbentuk
pada inputnya
THANK YOU