Downloaded 72 times
Uploaded byTenia Wahyuningrum
Pertemuan 1
Jaringan syaraf tiruan adalah sistem pemrosesan informasi yang meniru kerja jaringan syaraf biologi manusia dengan menggunakan neuron sebagai unit pemroses dan sinapsis sebagai penghubung antar neuron. Jaringan syaraf tiruan mampu mempelajari pola dan merespon seperti otak manusia dengan memperkuat atau memperlemah sinyal antar neuron berdasarkan bobot sinapsis. Aplikasinya meliputi pengenalan pola,
Pertemuan 1
- 1. JARINGAN SYARAF TIRUAN Tenia Wahyuningrum, S.Kom., MT
- 2. pembahasan Plus Konsep Sejarah JSB Minus JST JST
- 3. 1943, McCulloch danPitts 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 Pitts threshold McCulloh
- 4. Manusia bereaksi cepatterhadap perubahan
- 5.
- 7. Struktur syaraf manusia Otakmanusia dengan bagian kerja otak
- 8. JST mencobameniru JSB agar dapat menghasilkan respon dan perilaku yang sama
- 9. Struktur otak manusia 1012 neuron (sel-sel syaraf) 6.1018 sinapsis (penghubung) Kompleksitas otak
- 10. Neuron bekerja berdasarkan impuls/sinyalyang diberikan padanya, dan diteruskan ke neuron lain
- 11. Kemampuan otak, merespon dengan kecepatan tinggi
- 12. Contoh : pengenalan wajahseseorang yang sedikit berubah
- 13.
- 14. Komponen Penting Neuron Dendrit Dendrit Menerima sinyal kimia listrik dari neuron lain Soma Menjumlahkan semua sinyal yang masuk Jika hasil penjumlahan sinyal cukup kuat atau melebihi threshold, sinyal Soma akan diteruskan ke sel lain (cell body) melalui axon Axon Mengirimkan sinyal ke Axon neuron lain
- 15. Koneksi Antar Neuron axon dendrit sinapsis Pengiriman sinyal / informasi terjadi pada sinapsis Sinapsis memperkuat atau memperlemah sinyal yang hendak dikirimkan
- 16. JST “Sistem pemrosesaninformasi dengan karakteristik menyerupai jaringan syaraf biologi”
- 17. Asumsi Penghubung antar neuron memiliki bobot yang dapat memperkuat Pemrosesan atau informasi terjadi memperlemah pada neuron sinyal Sinyal dikirimkan Untuk antar neuron menentukan melalui suatu keluaran, setiap penghubung neuron menggunakan fungsi aktivasi, yang menentukan sinyal diteruskan ke neuron lain atau tidak
- 18. Model Neuron x1 w1 Neuron adalah unit pemroses x2 w2 Y informasi yang menjadi dasar jaringan syaraf tiruan w3 x3 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
- 19. Model Neuron x1 w1 net=(x1w1+x2w2+x3w3) x2 w2 Y y=f(net)=f(x1w1+x2w2+x3w3) w3 Y menerima input dari neuron x1, x2, x3 dengan x3 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
- 20. 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
- 21. 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
- 22. 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
- 23. Kelebihan dan KelemahanJST 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